La fusion précoce combine signaux ou caractéristiques avant la décision, conservant davantage d’information mais exigeant alignement et calcul ; la fusion tardive combine des décisions ou estimations déjà produites, plus modulaire mais parfois moins…
Une incohérence entre capteurs se détecte en comparant repère, timestamp, plage, trajectoire, mesure attendue et niveau d’erreur, puis se confirme par redondance ou test avant d’isoler la source.
La synchronisation se vérifie avec horloges communes, timestamps matériels ou événements de référence, puis par mesure du décalage, de la dérive, de la gigue et de l’effet sur la fusion dans les pires charges.
Une moyenne additionne ou pondère des valeurs sans représenter complètement leurs erreurs ; une fusion probabiliste combine modèle, distributions, corrélations et vraisemblances pour obtenir estimation et incertitude cohérentes.
Une mesure aberrante est comparée au modèle et aux autres sources, puis rejetée, pondérée ou conservée comme événement selon une règle robuste. Le conflit et son effet sur la confiance sont tracés.
Une fusion probabiliste aide à décider sous incertitude en évaluant actions et conséquences sur plusieurs états possibles, avec seuils de risque, valeur de l’information et option d’abstention ou de repli.
Pour détecter un obstacle mobile, le robot compare plusieurs observations afin d’estimer position et vitesse de l’objet, puis actualise régulièrement distance et temps disponibles. Incertitude et mouvement imprévisible réduisent la marge.
La détection d’obstacles identifie objets ou zones que le robot doit éviter afin de planifier ou contrôler un déplacement sûr. Elle fournit position, forme, distance et incertitude dans le repère utile à la commande.
La détection fournit une information sur présence et position d’un obstacle ; l’évitement utilise cette information pour choisir ou exécuter une trajectoire qui le contourne. Les deux fonctions ont des preuves et des défauts…
Un même objet est reconnu sous des points de vue différents en combinant forme, texture, profondeur et transformations observées, puis en vérifiant la cohérence de la pose.
Quand des capteurs se contredisent, on pondère leur confiance selon bruit, fraîcheur, calibration, contexte et cohérence avec les autres observations, puis on conserve la possibilité de s’abstenir.
Fusionner caméra, lidar et odométrie permet de combiner apparence, distance et mouvement pour obtenir une perception plus complète et repérer les désaccords entre capteurs.