3. 融合架构概览
多传感器融合系统的性能上限，不仅取决于单传感器精度与融合算法本身，更取决于融合架构如何组织数据流、计算资源与置信度信息。集中式、分布式与混合式三种融合结构，分别对应不同的通信代价、算力分布与容错能力。理解置信度在每种架构中的位置与作用，是后续实现故障降级策略的基础。
一、核心原理：三种融合结构的本质差异
融合架构的核心问题可以归结为：原始数据在哪里被处理，融合决策在哪里产生，置信度在哪里被评估与使用。
- 集中式融合：所有传感器原始观测（点云、图像、雷达回波、IMU 原始数据）统一传输到中央融合节点，由中央节点完成时间同步、空间对齐、特征提取、关联与状态估计。优点是信息损失最小，理论上可获得最优估计；缺点是通信带宽与中央算力压力大，单点故障风险高。
- 分布式融合：每个传感器或局部处理单元先独立完成目标检测、跟踪或状态估计，输出局部航迹与局部置信度，再在融合节点进行航迹关联与状态融合。优点是通信量小、可扩展性强、局部故障不会直接污染全局；缺点是局部处理已丢失部分原始信息，融合精度通常低于集中式。
- 混合式融合：结合两者特点，对关键传感器（如激光雷达、前视相机）保留原始数据上传通道，对低成本或冗余传感器采用局部航迹上传。系统根据场景、带宽、算力与故障状态动态选择融合层级，兼顾精度与鲁棒性。
二、置信度在架构中的位置与作用
在集中式架构中，置信度通常出现在两个位置：一是传感器级置信度，用于判断原始观测是否可信（如相机曝光异常、雷达干扰、点云稀疏度）；二是融合级置信度，用于评估融合后状态估计的不确定性。传感器级置信度低时，中央节点可降低该传感器观测在滤波中的权重，甚至直接剔除。
在分布式架构中，置信度首先在局部节点产生，随局部航迹一起上传。融合节点收到的是“带置信度的航迹”，而非原始数据。此时置信度承担三项职责：航迹关联门限（低置信度航迹不参与关联）、融合权重分配（高置信度航迹获得更高权重）、故障隔离依据（连续低置信度航迹被标记为降级或失效）。
在混合式架构中，置信度还多了一层“路由”作用：系统根据各传感器置信度与当前场景，决定哪些数据走原始通道、哪些走航迹通道。例如，当相机置信度骤降时，系统可临时提升毫米波雷达原始数据的上传优先级，以弥补视觉退化带来的信息缺口。
三、方法流程：置信度驱动的融合与降级流程
无论采用哪种架构，置信度驱动的融合流程都可以抽象为以下步骤：
- 置信度生成：传感器节点根据自身健康状态、环境条件、数据质量生成原始置信度。
- 置信度传递：集中式直接上传原始数据与置信度；分布式上传局部航迹与航迹置信度；混合式按策略选择通道。
- 置信度评估：融合节点结合历史一致性、时空对齐误差、多源交叉验证，修正置信度。
- 融合决策：根据置信度分配权重、设置关联门限、决定是否采纳该观测或航迹。
- 降级触发：当关键传感器置信度持续低于阈值，系统切换至降级模式，如仅用雷达与 IMU 维持航迹，或降低自动驾驶等级。
四、案例/场景：高速巡航中的视觉退化
假设一辆具备激光雷达、前视相机、毫米波雷达与 IMU/GNSS 的车辆在高速巡航。突遇强逆光，相机置信度从 0.92 骤降至 0.35。不同架构下的响应如下：
| 架构 | 置信度位置 | 响应动作 | 降级效果 |
|---|---|---|---|
| 集中式 | 中央节点收到相机原始数据与置信度 | 降低相机观测权重，依赖激光雷达与雷达原始数据 | 精度损失小，但中央算力与带宽压力不变 |
| 分布式 | 相机局部节点输出低置信度航迹 | 融合节点拒绝该航迹关联，仅融合其余航迹 | 响应快，但视觉信息完全丢失 |
| 混合式 | 调度器读取相机置信度，切换通道策略 | 临时提升毫米波雷达原始数据优先级，保留部分视觉航迹 | 兼顾精度与鲁棒性，调度逻辑复杂 |
五、误区与复盘
常见误区二：把置信度当作融合后的“装饰性输出”。置信度必须在融合前参与权重分配与关联判断，融合后仅用于监控与降级触发，二者不可混淆。
常见误区三：混合式架构中，调度策略过于依赖单一置信度阈值，导致通道频繁切换。应引入滞回与时间窗平滑，避免抖动。
复盘要点：选择融合架构时，应首先明确场景对精度、实时性、通信带宽、算力与容错的要求，再决定置信度的生成位置、传递方式与使用策略。集中式适合算力充足、带宽宽裕的域控制器；分布式适合多节点、可扩展的商用车队；混合式适合对安全冗余要求极高的自动驾驶平台。置信度在三种架构中始终扮演“数据准入、权重分配、故障隔离、降级触发”的核心角色，是融合系统从“能融合”走向“可信融合”的关键纽带。