隨著技術(shù)的發(fā)展以及行業(yè)間數(shù)據(jù)節(jié)點(diǎn)的融合，車載GPS定位器的數(shù)據(jù)融合是將來(lái)自多個(gè)傳感器的數(shù)據(jù)和相關(guān)信息結(jié)合起來(lái)的過(guò)程，以實(shí)現(xiàn)比使用單個(gè)獨(dú)立傳感器所能實(shí)現(xiàn)的更具體的推斷。

融合過(guò)程通常被分為三種模式--低級(jí)、中級(jí)和高級(jí)融合：數(shù)據(jù)層面結(jié)合了幾個(gè)相同類型的原始預(yù)處理數(shù)據(jù)的來(lái)源，產(chǎn)生一個(gè)新的數(shù)據(jù)集，預(yù)計(jì)比輸入的信息量更大，更有用。

特征級(jí)將諸如邊緣、線條、角落、紋理或位置等特征結(jié)合成一個(gè)特征圖，用于圖像的分割、物體的檢測(cè)等等。決策融合的方法有投票、模糊邏輯和統(tǒng)計(jì)方法。

多傳感器數(shù)據(jù)融合的各種方法包括加權(quán)平均、貝葉斯估計(jì)器、自適應(yīng)觀測(cè)器、代數(shù)函數(shù)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)、軟計(jì)算、非線性系統(tǒng)融合和卡爾曼算法。

轉(zhuǎn)自：互聯(lián)網(wǎng)