【芝能智驾｜ 感知融合方法概述】 感知数据融合领域的方法可分为三类：数据级融合、特征级融合和目标级融合。将所有融合方法分为强融合和弱融合更清晰。 1. 强融合： - 早期融合：直接融合原始传感器数据，如LiDAR和相机数据。 - 深度融合：在特征级别融合跨模态数据，如融合激光雷达和图像数据的特征。 - 后期融合：融合每种模态的Pipeline结果，优化最终方案。 - 不对称融合：将来自一个分支的目标级信息与其他分支的数据级或特征级信息融合。 2. 弱融合： - 不直接融合多模态分支的数据/特征/对象，而是利用一种模态的数据作为监控信号来指导另一种模态的交互。 除了强融合和弱融合外，还有一些方法采用多种融合方式的组合。在智能驾驶背景下，这些融合方法具有重要意义。