在AGV（Automated Guided Vehicle，自動導引車（chē））係（xì）統中，常用（yòng）的傳感器融（róng）合算法可以分為以下幾類：
1. 按抽象級別分類
低級（jí）別融合（數據級融（róng）合）：融合來自多（duō）個傳感器的原始（shǐ）數據，例如融合激光雷達的點雲數據和攝像頭（tóu）的像素級數（shù）據。這種融合方式（shì）考慮了所有數據，但由（yóu）於所需處理量較大，早期融合在幾年前還很（hěn）難做到。
中級別融合（特征級融合）：將傳感（gǎn）器（qì）獨立檢測到的物體進行融合，例如將攝像頭檢測到的障礙物和雷達檢測到的障礙物結果融合在一起，形成對（duì）障礙物（wù）的位置、類別（bié）和速（sù）度的最佳估計。常用的方法是（shì）卡爾曼濾波器（貝葉斯算法）。
高級別（bié）融合（決策級融合）：融合對象（xiàng）及（jí）其軌跡，不僅依（yī）賴於檢測，還依賴於預測和跟（gēn）蹤。這種（zhǒng）融合方式的優點（diǎn）是簡單，但一個主要問題是可能（néng）會丟失太多信息。
2. 按中心化級別分（fèn）類
中心化融（róng）合（hé）：一個中央單元處理融合（低級別）。例如，在經典的自動駕駛汽車架構中，每個傳感器（qì）都有自己（jǐ）的計算機，所有（yǒu）這些計算機都連接到一個中央計算單元。
去（qù）中心化（huà）融合：每（měi）個傳感器融合數據並將其轉發到（dào）下一個（gè）。
分布式融合：每個傳感器在本地處理數據並將其發送到下一個單元（後期融合）。
3. 按競（jìng）爭級別分類
競爭融合：傳感（gǎn）器用於相同目（mù）的，例如同時（shí）使用雷達和（hé）激光雷達來檢測行（háng）人，這種數據融合過程稱為冗餘。
互補融合：使用不同的傳感器觀察不（bú）同的場景來獲取使用（yòng）其他方式無法獲得的信息，例如使用多個攝像頭（tóu）構建（jiàn）全景圖。
協同融合：使用兩（liǎng）個或更（gèng）多（duō）傳感器來產生一個新場景，但是關於同一個對象（xiàng）的，例（lì）如使用2D傳感器進行3D掃（sǎo）描或3D重建。
在實際應（yīng）用中，傳感器融合算法的選擇取決於具體的（de）應用場景和需求，例如需要考慮傳感器的類型、數量、數據處理能力、係統的實時性要求（qiú）等因素。
