随着机器人技术的不断发展，机器人的应用领域和功能有了极大的拓展和提高。智能化已成为机器人技术的发展趋势，而传感器技术则是实现机器人智能化的基础之一。由于单一传感器获得的信息非常有限，而且，还要受到自身品质和性能的影响，因此，智能机器人通常配有数量众多的不同类型的传感器，以满足探测和数据采集的需要。若对各传感器采集的信息进行单独、孤立地处理，不仅会导致信息处理工作量的增加，而且，割断了各传感器信息间的内在联系，丢失了信息经有机组合后可能蕴含的有关环境特征，造成信息资源的浪费，甚至可能导致决策失误。为了解决上述问题人们提出了多传感器融合技术（multi-sensorfusion）。 　

数字化断层融合技术在骨关节外伤中的诊断分析.pdf

多源遥感影像数据融合技术探讨，姚静，康停军，针对当前海量遥感数据与相对较低的数据利用率并存的现状，探讨了数据融合的概念，融合的三个层次：像素级、特征级和决策级融合，

多模态图像融合技术的研究，林晓梅，李琎，摘要:本文综合的阐述了多模态图像融合各种算法的基本原理和融合流程、针对各种方法的特点及应用场合进行了对比、分析与评价。

提出了 MSVD 的图像融合

在无线传感器数据融合技术中,为了实现端到端数据传输完整性验证,在同态认证技术不适用于多源多消息的背景下,利用同态哈希函数和聚合签名思想,提出一个基于身份的数据完整性验证技术。技术基于公钥密码体制,进一步提高了系统的安全性;基站可以验证来自不同传感器节点拥有不同私钥的消息,也可以根据收到的融合消息计算出每个传感器节点的权重。安全性分析表明,该安全数据融合协议能在融合数据的同时保障数据完整性与可认证性。数值结果说明该算法在传感器节点的计算效率优于已有的方案。

多传感器信息融合技术在智能驾驶系统中的应用 [日期：2004-12-8] 来源：电子技术应用  作者：赵敏华 安毅生 黄永宣 [字体：大 中 小] 　  摘要：介绍了当今国际上流行的几种智能驾驶系统，并分析了采用单一传感器的驾驶系统中存在的问题，给出了信息融合技术的原理和结构。讨论了多传感器信息融合技术在智能驾驶系统（ITS）中的应用算法及其有待进一步解决的问题。     关键词：贝叶斯估计 信息融合 障碍探测 智能驾驶 随着传感器技术、信息处理技术、测量技术与计算机技术的发展，智能驾驶系统（辅助驾驶系统一无人驾驶系统）也得了飞速的发展。消费者越来越注重驾驶的安全性与舒

AMEF 是一种快速除雾技术，可将不同（人为）曝光不足的朦胧图像融合为单个无雾效果。 您可以在https://github.com/agaldran/amef_dehazing 上找到描述此技术的相关论文的 pdf 版本链接，其中包含更多详细信息

针对SINS/GPS组合导航中量测噪声统计特性不准确引起卡尔曼滤波精度下降的问题,提出基于变分贝叶斯自适应无迹卡尔曼滤波(VB-UKF)的非线性融合方法。分析了线性的变分贝叶斯自适应卡尔曼滤波(VB-KF)算法的原理与性能,针对其仅适用于线性系统的问题,将VB-KF与UKF结合导出了非线性的VB-UKF算法。该算法可对系统状态和时变的量测噪声方差进行同步非线性估计,且与传统的UKF算法具有统一的形式。导航仿真结果表明:VB-UKF对于突变或慢变的量测噪声方差均能实时跟踪,较常规UKF算法可有效降低噪声统计

介绍了信息融合的概念与结构，以及在雷达探测与跟踪中的应用