在AGV（Automated Guided Vehicle，自（zì）動導引車）係統（tǒng）中，常（cháng）用的傳感（gǎn）器融合（hé）算法可以分為以下幾類：
1. 按抽象級別（bié）分類
低級別融（róng）合（數據級融合）：融合來自多個傳感器的原始數據，例（lì）如融（róng）合激光（guāng）雷達的點雲數據和攝像頭的像素級數據。這種融合方式考慮了所有數據，但由於（yú）所需處理量（liàng）較大，早期融合在幾年前還很難做到。
中（zhōng）級別融合（特（tè）征級融合）：將傳感器獨立檢測到的物體進行融（róng）合，例如（rú）將攝像頭檢測到的障礙物和雷達檢測到（dào）的障礙物結果融合在一起，形成對障（zhàng）礙物的位置、類別和速度的（de）最佳估計。常（cháng）用的方法是卡爾曼濾波器（貝葉斯算法）。
高級別融合（決策級融合）：融合（hé）對（duì）象及其軌跡，不僅依賴於檢測，還（hái）依賴於預測和跟蹤。這種融合方式的（de）優（yōu）點是簡單，但一個主要問題是可能會丟失太多信息。
2. 按中心（xīn）化級別分類
中心化融合：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（jià）構中，每個傳感器都有自（zì）己的計算機（jī），所有這些（xiē）計算機都連接到一（yī）個中央計（jì）算（suàn）單元。
去中心化融合：每個傳感器融合數據並將其轉發到下一個。
分布式融合：每個傳（chuán）感器在本地處理數據並將其發送（sòng）到下一個（gè）單元（後期融合）。
3. 按（àn）競爭級別分類
競爭融合（hé）：傳感器用於相同目的，例如同時使用雷達和激（jī）光雷達來檢測行人，這種（zhǒng）數據融合（hé）過程稱為冗餘。
互補融合：使用不同的（de）傳感器觀察不同的場景來獲取使（shǐ）用其他方式無（wú）法獲得的信息，例如使用多個攝（shè）像頭（tóu）構建全景圖。
協同融合：使用兩個或更多傳感器（qì）來（lái）產生一個新場景，但是關於同一個對象的（de），例如使用2D傳感器進行3D掃描或（huò）3D重建。
在實際應用中，傳感器融合算法的選擇取決於具體（tǐ）的應用場景和需求，例如需要考慮傳感器的類型、數量、數據處理能力、係（xì）統的實時性（xìng）要求等（děng）因素（sù）。
