Sensorfusion: Definition, Arten und Anwendungen

Sensorfusion kombiniert Messungen mehrerer Sensoren zu einer gemeinsamen Einschätzung über Umgebung oder Systemzustand. Ein Roboter kann beispielsweise Kamera, LiDAR, Radar und Inertialsensorik zusammen auswerten. Ziel ist nicht, Daten nur zu sammeln, sondern Unsicherheiten sichtbar zu machen, Stärken der einzelnen Sensoren zu nutzen und eine belastbarere Zustands- oder Umgebungsbeschreibung zu erzeugen.

Was ist Sensorfusion?

Ein einzelner Sensor hat Grenzen: Eine Kamera erkennt visuelle Merkmale, misst Entfernungen aber abhängig vom Verfahren nur begrenzt; Radar kann Distanzen und Relativgeschwindigkeiten robust erfassen, liefert jedoch eine andere Detailauflösung. Sensorfusion nutzt Modelle und Algorithmen, um solche komplementären Informationen zusammenzuführen. Das Ergebnis kann etwa eine Position, eine Geschwindigkeit, eine Objektspur oder eine Karte der Umgebung sein.

Warum mehrere Sensoren kombinieren?

Sensor	Typische Stärke	Typische Grenze
Kamera	Reichhaltige visuelle Merkmale	Abhängig von Licht, Sicht und Bildauswertung
LiDAR	Geometrie und Entfernungspunkte	Begrenzte semantische Information; Wetter und Sicht können beeinflussen
Radar	Entfernung und Relativgeschwindigkeit	Geringere Detailauflösung als Bildsensorik
IMU	Schnelle Bewegungsschätzung	Drift über längere Zeiträume
GNSS	Absolute globale Position	Abschattung und begrenzte Genauigkeit

Die Kombination kann eine Zustandschätzung robuster machen. Sie ersetzt jedoch keine Prüfung: Mehrere Sensoren können denselben systematischen Fehler teilen oder widersprüchliche Daten liefern.

Drei Ebenen der Sensorfusion

Datenebene: Roh- oder vorverarbeitete Messwerte werden direkt zusammengeführt.
Merkmalsebene: Sensoren liefern Merkmale wie Kanten, Punkte, Objektpositionen oder Geschwindigkeiten, die kombiniert werden.
Entscheidungsebene: Einzelne Sensor- oder Modellentscheidungen werden gewichtet und zu einer Gesamtaussage verbunden.

Welche Ebene sinnvoll ist, hängt von Rechenleistung, Latenz, Datenqualität und Sicherheitsanforderungen ab.

Wie funktioniert Sensorfusion in der Robotik?

Ein typischer Ablauf besteht aus Zeitstempelung, räumlicher Kalibrierung, Filterung und Schätzung. Messungen müssen zeitlich zueinander passen und in ein gemeinsames Koordinatensystem überführt werden. Danach schätzt ein Algorithmus aus Messwerten und Bewegungsmodell den aktuellen Zustand. Häufig werden dabei Unsicherheiten mitgeführt, statt eine Messung als absolut wahr zu behandeln.

Bei mobilen Robotern verbindet Sensorfusion Wahrnehmung und Bewegung. Sie unterstützt Lokalisierung, Kartierung und sichere Navigation; der Beitrag zu SLAM erklärt die gleichzeitige Lokalisierung und Kartierung. Für die Ausgabe physischer Aktionen sind wiederum Aktuatoren relevant.

Typische Anwendungen

Autonome und mobile Roboter
Fahrerassistenz und automatisiertes Fahren
Drohnen und unbemannte Luftfahrzeuge
Smartphones, Wearables und Bewegungsanalyse
Industrieanlagen, Qualitätsprüfung und Zustandsüberwachung

Grenzen und Qualitätskriterien

Eine gute Fusion steht und fällt mit Kalibrierung, Synchronisation und einer passenden Fehlerbehandlung. Sensorpositionen können sich mechanisch verändern; Messungen treffen verspätet ein; Schnee, Regen, Reflexionen oder Verdeckungen verschlechtern die Daten. Systeme benötigen deshalb Plausibilitätsprüfungen, Ausfallerkennung und definierte sichere Zustände. Sensorfusion liefert Wahrscheinlichkeiten und Schätzungen, keine Garantie für fehlerfreie Wahrnehmung.

Das DLR beschreibt die Fusion von Satellitennavigation, Kamera-, Laser- und Inertialsensoren für die Umgebungswahrnehmung unbemannter Luftfahrzeuge. Das Fraunhofer IIS ordnet Sensorfusion als algorithmische Kombination komplementärer Messprinzipien zur Zustandsschätzung ein.

Fazit

Sensorfusion macht aus mehreren unvollständigen Messungen eine besser begründete Zustands- oder Umfeldschätzung. Sie ist ein Kernbaustein moderner Robotik, verlangt aber konsequente Kalibrierung, Zeitabgleich und den Umgang mit Unsicherheit.