传感器融合是什么？多个感官互相校准

手机计步有时把颠簸算成步数，无人机悬停时被一阵风推歪了又稳稳拉回来——背后都是同一门功课：传感器融合。AI 硬件要感知世界，靠的很少是单一感官，更多是把几种传感器的读数放在一起互相校准，用长处补短处。这篇讲清单传感器为什么会骗人、融合靠哪两个核心动作、这些计算发生在设备的哪颗芯片上；融合用得最密的场景之一、无人机的整体能力构成，见无人机 AI一篇，那里看全貌，这里看底层。

单一传感器各有各的骗术

先看单一感官为什么靠不住。陀螺仪测转动的角速度，响应极快，但读数会漂移：静止放置的时间一长，累计出来的角度悄悄偏了。加速度计测加速度，长时间稳定，却分不清两种状态：静止与匀速直线运动，它读到的都是零，坐高铁时手机以为你没动，其实你在飞驰。摄像头信息量最大，但怕暗光、怕逆光、怕纯色无纹理的墙面，一进电梯就可能「失明」。气压计能估高度，一阵穿堂风就能让它波动好几米。每一种传感器都有盲区与失效场景，单独用都会在某个时刻给出离谱的读数——单一传感器会骗人，这是融合机制存在的根本理由。

互补与加权：融合的两个核心动作

融合的思路说来朴素：让每种传感器只在自己擅长的区间说话，别人的短处用自己的长处补上。陀螺仪快但漂，就用加速度计的重力方向长期校准它；加速度计对震动敏感、读数毛糙，就让陀螺仪的平滑读数主导短期姿态。视觉与惯性导航的搭配更典型：摄像头看得清就多信视觉，进隧道、暗光处就退回惯导撑住，出来再接上。具体怎么「谁多信谁」，经典的做法是按各自信度加权：抖动大、噪声大的来源权重低，稳定来源权重高，权重还随状况实时调整。想让这个思路再直观一点，可以让 DeepSeek 用坐公交的比喻讲一遍——急刹车时你更信扶手传来的体感，平路上更信窗外的参照物，人脑早就在做同一件事。

对齐之后才有资格融合

加权之前还有两步容易忽略的准备工作。一是时间对齐：各传感器的采样率不同，陀螺仪可能每秒采样上千次，摄像头每秒几十帧，要先把不同时刻的读数对到同一时间轴上，否则「刚才的视觉」配「现在的惯性」，姿态就算歪了。二是空间对齐：传感器在设备里的安装位置与朝向各不相同，读数要先换算到同一个坐标系。对齐之后，融合算法再把各路读数汇成一份统一的姿态或位置估计，并随新数据到来不断修正。这一步的误差控制是各家水平差距所在：融合做得好，设备动作顺滑；做得糙，悬停飘、计步虚。

融合发生在哪颗芯片上

融合计算对实时性要求极高：无人机被风一推，几十毫秒内就要给出修正，等云端往返根本来不及。所以这类计算几乎都放在设备本地，由主芯片上的专用单元承担：信号预处理交给专门的协处理器，视觉部分的识别常由 NPU 接手，一颗芯片上的分工见SoC 入门一篇。也正因如此，传感器融合是典型的端侧负载，与联网与否无关，断网时悬停、计步照常工作。融合的输出再向上喂给决策层：无人机的路径规划、服务机器人的行动决策，都建立在这份统一读数之上，机器人一侧的三层能力构成见服务机器人一篇；NPU 与其他处理单元怎么分活，NPU 与 CPU、GPU一篇有对照。

传感器融合速查

• 单一传感器各有盲区：陀螺仪漂、加速度计糊、摄像头怕暗光
• 融合核心：互补分工加按信度加权，权重随状况实时调整
• 时间与空间对齐是融合的前提，对不齐姿态就算歪
• 计算在端侧完成，实时性要求高，不依赖云端
• 融合输出是决策层的地基：悬停、导航、行动都吃这份读数

再多说几句传感器融合

• 传感器越多，融合结果一定越准吗？：不一定。多一路传感器多一份互补，也多一份噪声与出错的可能，关键在各路数据的权重设计与失效判断。设计粗糙的融合，传感器越多反而互相拖累。
• 手机计步为什么有时不准？：计步靠加速度计的模式识别，规律性的颠簸都会成为候选：骑车、手抖、手机放在包里随脚步晃动，都可能被计入。部分系统引入其他传感器辅助筛除，改善有限，属于这类机制的正常误差范围。
• 想直观理解融合的过程，有什么练习办法？：让豆包出几道情景题：给定陀螺仪漂移、加速度计稳定的场景，判断该信谁、权重怎么给；再让通义千问把经典融合算法的思想翻译成生活比喻，两相对照，比硬看公式好懂得多。