- 综合排序
- 最热优先
- 最新优先
什么是多技术融合定位？解析UWB+蓝牙+北斗融合定位方式
关键在于，没有任何一种单一技术能够满足全场景的定位需求。真正要解决工业环境下的全域定位，必须走向“多技术融合”的路径。 多技术融合的必要性：单一技术均有其应用边界在深入探讨方案之前，有必要先厘清几种主流定位技术的技术特性与适用场景。 若定位系统仅依赖单一技术，必然在某些环节出现信号中断或定位盲区。多技术融合的本质，是根据环境特征动态选择最优定位技术，确保位置信息的连续性与可靠性。 融合是定位技术发展的必然方向从单一技术走向多源融合，并非某一厂家的主观选择，而是工业现场实际需求催生的技术演进。 这，正是多技术融合定位的核心价值所在。
15100编辑于 2026-03-02- 来自专栏人员定位系统
从UWB到多技术融合：人员高精度定位的技术实现路径分享
二、多技术融合：应对复杂场景的必然选择在真实的工业场景中，单一技术往往难以满足全场景覆盖、成本控制与功能完整性的多重需求。技术融合成为提升系统实用性的关键路径。 通信层融合实践：定位数据回传需要可靠的通信链路支持。 在实践中，常见的方式包括：LoRa+UWB融合终端：适用于部署有线网络困难的区域4G/5G回传：满足移动性要求高的场景工业以太网+PON：为固定区域提供高带宽、低时延的数据通道三、定位数据到业务价值的转化技术获得精准坐标只是第一步 五、未来技术展望随着技术进步，人员定位系统正朝着以下方向发展：AI原生定位系统：利用深度学习优化定位算法，减少对基础设施的依赖无感定位体验：将定位功能集成到安全帽、工牌等日常装备中数字孪生深度融合：定位数据实时驱动三维数字孪生体 通过UWB与多技术的有机融合，结合对业务场景的深刻理解，才能打造出真正实用、可靠的空间感知能力，为各行业的数字化转型提供坚实的技术底座。
37010编辑于 2025-12-16 港口复杂环境下多模态融合定位系统技术架构与应用
本文从技术架构、融合定位方法、核心功能实现及典型应用场景出发，解析适用于港口环境的高精度人员与车辆定位系统设计。 二、多模态融合定位系统架构系统采用多模态融合定位架构，按场景适配技术组合，实现精度与成本的最优匹配。1. 定位技术分层室外开阔区域：采用单北斗系统结合RTK差分定位技术，实现厘米级至亚米级定位精度，满足信创安全要求，避免对GPS的单一依赖。 半封闭与室内区域：部署蓝牙信标或UWB信标，实现米级至厘米级高精度定位，填补卫星信号盲区。系统通过融合定位引擎对多源定位数据进行时空对齐与解算，实现室内外定位的平滑切换。2. 基于多模态融合架构的定位系统，通过北斗RTK、蓝牙、UWB等技术的协同，结合LoRa与蜂窝通信的混合组网，能够有效实现室内外一体化的高精度定位。
12810编辑于 2026-04-01- 来自专栏杨丝儿的小站
【机器人】多传感器融合定位前沿技术小笔记
我的博客技术点集中在机器人、人工智能可解释性、数学、物理等等，感兴趣地点个关注吧，持续高质量输出中。 ⭐️参考 [草稿] X. Zhang, H. Liu, Z. Zou, and M. ⭐️关键观点 前人的研究把定位和建图任务（SLAM）从实验室带到了现实场景。实验室场景和现实场景最大的区别是灵活度的提升。 自定位任务（self-positioning）现阶段有两个方向： 基于内部传感器（GPS、IMU等）根据车辆的运动信息进行定位的任务，具有累积误差的问题。 基于激光雷达等通过采样环境数据进行定位的SLAM技术，受限于环境，不适宜在低特征环境（如空旷地域）进行定位任务。
33920编辑于 2022-03-01 - 来自专栏全栈程序员必看
多模态融合技术综述和应用
文章目录 多模态技术基础 1，多模态融合架构（神经网络模型的基本结构形式） 1.1联合架构 1.2协同架构 1.3编解码架构（自监督） 2，多模态融合方法 2.1早期融合 2.2 晚期融合 2.3混合融合 多模态技术主要要素：表示（Representation），融合(Fusion)、转换（Translation）、对齐（Alignment）。 解决这一问题可将异构特征投影到公共子空间，其中具有相似语义的多模态数据将由相似向量表示。多模态融合技术的主要目标是缩小语义子空间中的分布差距，同时保持模态特定语义的完整性。 通过结合上述三种模态的特征来最终定位关键内容。 融合视频信息，动作信息，声音信息以及文本信息来定位会议关键内容，如上图。
16K23编辑于 2022-07-02 - 来自专栏人员定位
室内外融合人员定位技术：提供全面而精确的定位服务
室内外融合人员定位是一项先进的技术，它能够准确地确定人员在室内和室外的位置。在过去，室内定位技术和室外定位技术是分别独立开发的，它们在特定环境中具有一定的优势，但无法实现全面的人员定位。 然而，随着室内外融合人员定位技术的出现，这一问题得到了有效解决。 UWB定位技术是由多个传感器采用TDOA（Time Difference of Arrival，到达时间差）和AOA定位算法对标签位置进行分析，具有多径分辨能力、精度高、定位精度可达厘米级等特点。 4G/5G、LoRa、NB-IoT等技术在人员定位过程中提供数据传输的功能，这些技术可以单独使用也可以融合使用。除了传感器技术，室内外融合人员定位技术还依赖于先进的算法和数据处理方法。 新锐科创是融合定位技术服务商，致力于为各行各业提供一站式人员定位系统解决方案，自主研发的室内外融合人员定位系统，将4G/5G、蓝牙、LoRa、GPS/北斗、RTK等定位技术进行有机融合，具有功耗低、覆盖范围广
1.1K00编辑于 2023-06-05 - 来自专栏一点人工一点智能
基于多传感器融合的定位和建图系统
转载自：深蓝AI 分享嘉宾：林家荣 文稿整理：William 原文：基于多传感器融合的定位和建图系统 01 传感器介绍 IMU(加速度计)的测量频率高，即可以精确的测量到物体的姿态运动，对运动灵敏，同时成本低 ，体积小，抗干扰能力强，基本上在多传感器融合中是一个必备的传感器。 03 多传感器融合(激光雷达-惯导-视觉) 3.1 首个开源的多传感器紧耦合方案(R2LIVE) 现在的激光雷达--惯导—视觉的融合还是学术界的一个非常热门的方向，很多地方的问题还解决的不是很彻底。 在这样的背景下，提出了R2LIVE的多传感器融合方案，系统框图如图8所示。 书籍推荐-《卡尔曼滤波与信息融合》 4. 机器人运动｜浅谈Time Elastic Band算法 5. 书籍推荐-《大规模SLAM技术》 6. ROS与移动底盘通信
1.7K40编辑于 2023-03-18 - 来自专栏AI SPPECH
LLM多模态融合技术：从理论到实践
核心发现/更新点 通过对GitHub上最新LLM多模态融合技术项目的深入分析，我们发现了以下几个关键趋势和更新点： 多模态融合成为LLM发展的重要方向：多模态融合已经成为LLM技术发展的重要方向，能够拓展 从单一模态到多模态的无缝融合：最新的多模态融合技术强调不同模态之间的无缝融合，能够实现跨模态的理解和生成，如从图像生成详细的文本描述，或从文本生成符合要求的图像。 技术或研究拆解 3.1 LLM多模态融合技术分类 3.2 视觉-语言融合 视觉-语言融合是LLM多模态融合的重要方向，旨在将文本和图像信息进行融合，实现跨模态的理解和生成。 推动AI技术发展：多模态融合技术是AI技术发展的重要方向，能够推动计算机视觉、自然语言处理、语音识别等多个领域的技术进步。 结论 本文深入探讨了2025年大语言模型多模态融合技术的最新进展，从视觉-语言融合、音频-语言融合、视频-语言融合到多模态预训练和跨模态生成，系统梳理了各种多模态融合技术的原理、实现和应用，并提供了完整的实践指南和性能评估
1.2K10编辑于 2026-01-01 - 来自专栏AI电堂
市场技术综述 | 5G室内融合定位
UWB定位技术 UWB是一种无载波通信技术，利用纳秒至微秒级的非正弦波窄脉冲传输数据，频率高，功耗低，多径分辨能力强，对信道衰落不敏感，特别适合室内定位领域应用。 ▲各种定位技术对比 定位解决方案 5G 室内网络可以与多种室内定位技术融合，一起提供面向5G 网络的多层次融合定位解决方案，在定位精度以及覆盖范围上实现性能的整体提升。 ? ▲融合定位架构 5G 室内融合定位架构利用定位和通讯基站共部署、融合定位解算平台、应用业务融合等关键技术，提供室内应用场景解决方案，期望降低整体部署、维护成本要求，满足各个应用场景的定位多样化的需求。 5GNR基站结合5G 网络大带宽和多波束 特性，可以支持multi-RTT、AoA 和OTDOA 等多种定位技术。 ? 5G室内定位典型应用案例还包括医疗应用（5G+蓝牙融合定位）、仓储物流（5G+蓝牙5.1定位融合技术）、机场（5G网络+蓝牙定位融合技术）、电力能源（5G网络通讯和UWB高精度定位）等许多丰富领域，在此不一一累述
1.7K40发布于 2020-11-13 - 来自专栏活动
数据融合：多模态图像融合技术在安全监控中的应用
本文将探讨多模态图像融合技术在安全监控中的应用，包括其原理、应用场景以及部署过程。I. 多模态图像融合技术概述多模态图像融合技术旨在将来自多个传感器或数据源的图像信息整合在一起，以获得比单一模态图像更全面、更准确的监控结果。 常见的多模态图像融合技术包括但不限于：特征级融合特征级融合技术是多模态图像融合中的一种重要方法，它旨在将不同图像源提取的特征进行有效融合，以增强监控系统对目标的检测和识别能力。 多模态图像融合技术在安全监控等领域有着重要的应用价值，通过合理选择和组合不同的融合技术，可以实现更全面、更准确的监控效果，提高系统的性能和可靠性。II. 应用场景多模态图像融合技术在安全监控领域有着广泛的应用，其中一些典型的应用场景包括：边界监控： 在边界线或围栏周围部署可见光摄像头和红外摄像头，利用多模态图像融合技术监测和识别潜在的入侵者或异常行为。
1.7K10编辑于 2024-04-25 - 来自专栏点云PCL
车载多传感器融合定位方案：GPS +IMU+MM
针对这个问题，以GPS+IMU的多传感器融合方案越来越受到重视，因为“无源定位”的IMU恰好可以弥补GPS的短板。此外，车机还可以搭载里程计、视觉设备形成更丰富的多传感器融合方案。 对高德而言，地图数据是定位业务的灵魂。多传感器融合只是定位业务中的一部分，如何把多传感器与地图数据结合起来，始终是我们在思考的问题。 本文概述了车载多传感器融合定位项目背景，该项目确立是为了向用户提供好的导航定位服务。为了解决用户反馈的三大痛点问题：偏航重算、无法定位和抓路错误，结合算法和数据，提出了一套软件+硬件的解决方案。 5.1.4 融合算法 车机融合定位项目使用了GNSS、MM和DR三项技术，每项技术能够提供全部或部分车机导航信息，如表3所示。 小结 针对用户提出的三大痛点问题，本文结合多传感器融合和地图匹配，提出了一套车载多传感器融合定位方案，并应用于实际，提高了在城市峡谷中的定位精度，并且取得了不错的效果。
2.4K30发布于 2020-11-11 - 来自专栏算法一只狗
从对比学习到密集定位：SigLIP 2 的多技融合之道
然而，它们在定位（localization）和稠密预测（dense prediction）等需要细粒度视觉感知的任务上仍显不足。 原始 SigLIP 通过将对比损失改为 sigmoid 损失，改善了训练稳定性，但并未整合随后涌现的自监督学习、解码器预训练、数据蒸馏等多种技术。 为此，论文提出 SigLIP 2，将多条先前独立发展的技术思路融会贯通，旨在全面提升模型的定位与稠密预测能力，同时保持其在分类与检索上的领先优势。 2.整体模型架构和技术论文中其实就是把多种trick运用到SigLIP中，使得整体的模型效果会比之前更好。 parallel prediction（并行预测所有 token，无因果掩码）； Referring expression 任务：给定区域框，生成该区域描述； Dense captioning 任务：对多区域同时生成区域级
84410编辑于 2025-07-11 - 来自专栏3D视觉从入门到精通
车载多传感器融合定位方案：GPS +IMU+MM
针对这个问题，以GPS+IMU的多传感器融合方案越来越受到重视，因为“无源定位”的IMU恰好可以弥补GPS的短板。此外，车机还可以搭载里程计、视觉设备形成更丰富的多传感器融合方案。 对高德而言，地图数据是定位业务的灵魂。多传感器融合只是定位业务中的一部分，如何把多传感器与地图数据结合起来，始终是我们在思考的问题。 本文概述了车载多传感器融合定位项目背景，该项目确立是为了向用户提供好的导航定位服务。为了解决用户反馈的三大痛点问题：偏航重算、无法定位和抓路错误，结合算法和数据，提出了一套软件+硬件的解决方案。 5.1.4 融合算法 车机融合定位项目使用了GNSS、MM和DR三项技术，每项技术能够提供全部或部分车机导航信息，如表3所示。 小结 ---- 针对用户提出的三大痛点问题，本文结合多传感器融合和地图匹配，提出了一套车载多传感器融合定位方案，并应用于实际，提高了在城市峡谷中的定位精度，并且取得了不错的效果。
1.8K20发布于 2020-11-11 基于深度学习的多声源定位技术解析
多声源定位的挑战利用麦克风阵列捕获的音频来估计声源位置（声源定位，SSL）已持续研究了近四十年。当仅存在单个声源时，已有稳健、优雅且计算高效的SSL算法。 但在实际场景中（如多人同时说话或存在环境噪声），传统单声源定位算法表现显著下降。创新解决方案在即将召开的声学国际会议上，提出了一种基于深度学习的多声源定位方法，其性能较现有技术有显著提升。 该方法的核心创新在于：端到端架构：直接从原始音频输入到空间坐标输出，无需预处理或后处理双重定位策略：先将声源粗定位到特定区域再在每个活动区域内进行精确定位输出编码设计：通过为每个区域分配专用输出节点，有效规避了 "排列问题"技术实现细节采用SampleCNN网络架构处理多通道原始音频，输出包含三个关键参数：区域包含声源的概率声源与麦克风阵列中心的归一化欧氏距离声源相对于阵列水平线的归一化方位角训练时使用双重损失函数 ：粗定位采用多标签分类损失精确定位采用最小二乘回归损失实验结果在模拟数据（无混响/有混响）和AV16.3语料库真实录音上的测试表明：在绝对到达方向误差指标上提升近15%表现出良好的跨环境泛化能力仅需少量微调数据即可适应新的空间配置应用价值该技术显著降低了部署多声源定位系统所需的领域专业知识门槛
50410编辑于 2025-08-13YashanDB多模数据融合管理技术探索与实践
本文基于YashanDB架设技术开发负责人——李伟超2024年11月在“2024年国产数据库创新生态大会”-“根”技术专场的演讲整理形成，主要阐述了YashanDB如何通过创新架构设计以及在各类多模数据 （空间、BIM、图、向量）管理上的独特策略，应对AI+时代下多模态数据融合管理挑战。 这其中数据种类和模型是多样的，包括多源、多类、多维、海量、多时态、多主题以及多细节层次表达等空间数据。如何将这些海量的、多模态的数据融合管理，已成为当前智慧城市建设面临的关键难点之一。 多模数据管理管理目标：实现多模融合统一对于多模数据的管理目标，YashanDB旨在实现对多模数据的融合统一管理，具体包括：提供统一的存储引擎，为各类数据提供集中化存储方案；针对特定模型数据的提供索引加速机制 —————————————————分割线———————————————————未来，YashanDB也将持续深耕技术研发，优化多模数据管理策略，以更先进的技术、更完善的解决方案，推动多模数据融合管理迈向新高度
45510编辑于 2025-02-26- 来自专栏人员定位系统
工厂复杂场景下的多技术融合定位实践：航飞光电UWB、蓝牙与北斗的集成方案
本文将探讨一种通过融合UWB（超宽带）、蓝牙AOA（到达角）、蓝牙信标及北斗等多种定位技术，构建一体化位置感知网络的实践方案。该方案旨在根据不同场景的精度与覆盖需求，进行弹性的技术匹配与组网设计。 以下是关键技术的定位分层与典型应用场景分析：厘米级精确定位层（UWB）技术特性：基于纳秒级脉冲信号，理论精度可达10-30厘米，抗多径干扰能力强。 二、系统架构与融合路径实现多技术融合定位，关键在于设计一套统一的“定位数据抽象与融合层”。其架构主要包含：异构终端接入：不同类型的定位标签（UWB、蓝牙、北斗）通过对应的基站或网关接入网络。 数据融合与决策中心：这是核心模块，其功能包括：场景标识：根据地图预置信息，自动判断目标当前所处的技术覆盖区域。 四、结语融合UWB、蓝牙AOA、信标及北斗的定位方案，本质上是将定位技术视为一种可按需调用的服务。它通过分层解耦的设计，为解决工厂复杂环境下全域连续定位问题提供了一条可行的技术路径。
26010编辑于 2025-12-30 多模态融合技术重构舆情处理：Infoseek 的技术架构与落地实践
字节探索 Infoseek 依托 Deepseek 大模型与多模态技术，构建了 “全域采集 - 智能解析 - 精准处置 - 合规复盘” 的全链路技术体系，从底层解决舆情处理的技术痛点。 一、传统舆情处理的三大技术瓶颈多模态数据处理能力缺失：仅能解析文本信息，对短视频画面中的产品缺陷、直播音频中的口误、图片中的隐性投诉等非文本舆情漏采率超 60%，某家电品牌曾因未识别直播音频中的 “散热隐患 94.7%，远超行业平均水平；意图分类：通过深度学习算法区分 “真实投诉、恶意抹黑、水军攻击、中性讨论”，分类准确率 92.3%，某美妆品牌曾通过该功能识别 63% 的负面评价为竞品水军攻击；风险分级：融合 三、技术落地效果：关键指标对比技术指标传统舆情处理系统Infoseek 技术模式提升幅度多模态信息识别率＜30%≥98.5%228%情感分析准确率≤75%≥94.7%26.3%舆情响应时效1-3 小时2 ，可联动内部 CRM、法务系统，实现舆情处理与业务系统深度融合；中大型企业：启用旗舰版，重点应用多模态解析、自动化处置、合规复盘功能，提升跨部门协同效率；出海企业：选用多语种版本，依托字节自研的多语种
29510编辑于 2025-11-13- 来自专栏隧道人员定位
UWB、BLE、IMU三模融合精确定位技术：咏思隧道精准定位系统的技术落地与安全应用
本文聚焦咏思信息隧道精准定位系统，采用UWB、BLE、IMU三模融合技术，结合蓝牙(RSSI)粗定位、UWB(TOF)精确定位及TDOA测向方案，实现全场景无死角覆盖与厘米级定位，支撑隧道施工安全管控、 2.4多技术参数对比表（适配隧道场景）技术类型精度覆盖范围抗干扰性成本水平隧道场景适配性UWB（超宽带）厘米级（10-30cm）单基站100-800米，支持组网扩展强（抗金属、电磁干扰）高核心精确定位， 6.2未来发展方向（结合技术趋势与行业需求）多模态融合升级：新增毫米波雷达技术，进一步提升隧道极端环境（如浓烟、粉尘）下的定位精度。 云端化部署：适配腾讯云物联网平台，实现定位系统云端管理，支持多隧道项目集中管控，降低中小企业部署成本。 七、总结咏思隧道精准定位系统通过UWB、BLE、IMU三模融合技术，突破了单一定位技术在隧道复杂环境下的局限性，实现厘米级定位与全场景无死角覆盖，核心价值在于提升隧道施工/运维的安全管控水平与运营效率。
20410编辑于 2026-01-27 数据湖技术的Serverless革命与多引擎查询的融合
华为云DLI 功能亮点 华为云DLI支持Serverless计算和多引擎查询，包括Spark和Flink。 技术实现 DLI通过湖仓一体架构，提供数据目录和元数据的统一管理。 Databricks Lakehouse 功能亮点 Databricks Lakehouse支持Serverless计算和多引擎查询，包括Spark。 技术实现 Lakehouse通过统一的数据分析平台，实现数据湖和数据仓库的融合。 其他功能 Lakehouse提供统一元数据和权限管理，支持数据目录和弹性伸缩。 总结 Serverless计算、多引擎查询（Spark/Presto/Flink）、统一元数据、统一权限、湖仓一体、数据目录、弹性伸缩和数据加速能力，这些特性共同推动了数据湖技术的发展。 随着技术的不断进步，我们可以预见，这些特性将继续在数据湖技术中发挥重要作用，为企业数字化转型提供强有力的支持。
24310编辑于 2025-07-28- 来自专栏点云PCL
多帧数据融合思路
一.对数据的输入 A、如何获取你的点云数据（使用什么设备，查找相应设备的介绍，设备的精度、稳定度、抗噪能力、数据的可视深度范围等，采用无标记点融合，或标记点融合；要考虑多帧数据之间的旋转角度）； B、如何将你的数据对象从环境中分割出来 （识别分割、手动分割CC），深度学习若能做分割，并且针对特定对象的效果还行的话，再结合PCL做多帧数据的融合，是一个创新点（前提是提高效率）； C、对数据的输入输出要掌握，一般程序都是一样的，复制粘贴即可 二、对数据的预处理（融合肯定至少两帧数据） A、数据是否有噪声：根据噪声的类别，选择合适的算法进行去除（直通滤波、条件滤波、统计滤波、双边滤波等等）； B、数据是否需要下采样：体素栅格滤波（参数的设置， 根据自己的目的，参考北航出的国内唯一一本PCL的书，同时兼顾PCL官网的更新内容）； B、精配准执行前的准备：是否建立空间拓扑关系（一般需要建立，加快计算速度）； C、是否需要剔除错误点对（一般需要剔除，提高融合精度 书以及官网都可查阅）； D、执行计算，并输出精配准融合点云对象，输出精配R和T，输出精配时间，并可视化（保存或可视化都行）。
2.5K20发布于 2019-07-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号