多模态信息融合

A Framework for Robust Assimilation of Potentially Malign Third-Party Data, and its Statistical Meaning

一种用于稳健融合可能有害第三方数据的框架及其统计意义

Matthew A. Wright, Roberto Horowitz

专题命中 自动驾驶多传感器融合 ：sensor fusion(abstract)

AI总结 本文提出了一种基于模型的数据融合方法，结合假设检验组件来拒绝可能有故障或有害的数据。该框架基于经典粒子滤波算法的扩展，用于实时估计具有非线性动态和部分噪声观测的不确定系统的状态。通过将Fisher显著性检验和Neyman-Pearson假设检验框架应用于蒙特卡洛和传感器融合场景，提出了一种稳健的蒙特卡洛状态估计方案，能够有效处理故障或异常数据。

Comments IEEE Intelligent Transportation Systems Magazine, special issue on GNSS-based positioning

Journal ref IEEE Intelligent Transportation Systems Magazine, vol. 12, no. 3, pp. 147-156, Fall 2020