Ahmed Abdulmaksoud · Ryan Ahmed · IEEE Access · 2025年1月

传感器融合在机器人、自动驾驶和航空航天等关键领域至关重要。通过整合多源传感器数据，可克服单一传感器的局限性，提升测量可靠性并降低不确定性。基于深度学习的融合方法促进了多模态学习的发展，增强了目标检测性能，但在恶劣天气条件下仍面临挑战。Transformer模型因其在视觉与语言等领域的强大建模能力，为传感器融合提供了新机遇，但其高延迟与计算开销仍是瓶颈。本文系统综述了传感器融合与Transformer模型的研究进展，深入调研了基于Transformer的相机-LiDAR与相机-雷达融合的前沿方法，...

解读: 该Transformer传感器融合技术对阳光电源新能源汽车产品线具有重要应用价值。在车载OBC充电机和电机驱动系统中，可融合电流、电压、温度等多传感器数据，提升SiC器件的实时故障诊断与可靠性预测能力。对于充电桩产品，多模态融合可增强异常检测精度，优化充电安全策略。Transformer的长序列建模...