在AGV（Automated Guided Vehicle，自動導引車）係統中，常用的傳感器融合算法可以分為以下幾類：
1. 按（àn）抽象（xiàng）級別分（fèn）類
低級別融合（數據級融合）：融合來自（zì）多個傳感（gǎn）器的原始數據，例如融合（hé）激光雷達的點雲數據和攝像頭的（de）像素級數（shù）據（jù）。這種融合方式考慮了所有數據，但由於所需處理量較大，早期融合在幾年前還（hái）很難做到。
中級別融（róng）合（特征級融合）：將傳感器獨立檢測到的物（wù）體進行融合，例如將攝像頭檢測到的障礙物（wù）和（hé）雷達檢測到（dào）的障礙物結果融（róng）合在一起，形成對障礙物的（de）位置、類別和速度的（de）最佳估計（jì）。常用的方法是（shì）卡爾曼濾波（bō）器（貝葉斯算法）。
高級別融合（決策級融（róng）合）：融合對象及其軌（guǐ）跡，不僅依賴於檢測（cè），還（hái）依賴於預測和跟蹤。這（zhè）種融合方式的優點是簡單，但一（yī）個主要問題是可能（néng）會丟失太（tài）多（duō）信息。
2. 按中心（xīn）化級別分類
中心化融合（hé）：一個中央單元處理融合（低級別）。例如，在經典（diǎn）的自動駕駛汽車架構中，每個傳感（gǎn）器都有自己的計算機，所有（yǒu）這些計算機都連（lián）接到（dào）一個中央計算（suàn）單元。
去中心化融合：每（měi）個傳感器融合數據並將其轉發到下（xià）一個。
分布式融合：每個傳感（gǎn）器在本地處理（lǐ）數據並將其（qí）發送到（dào）下一個單元（後期融合）。
3. 按競爭級別（bié）分類
競爭融合：傳感器用於（yú）相同目的，例（lì）如同時使用雷（léi）達和激光雷達來檢測行人，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同的場景來（lái）獲取（qǔ）使用其他方（fāng）式無法獲得的信（xìn）息，例如使用多個攝像頭構建全景圖（tú）。
協同融合：使用兩個或更多（duō）傳感器來產生一個新場景，但是關於同一個對象的，例如使用（yòng）2D傳感器進行3D掃描或3D重建。
在實際（jì）應用中（zhōng），傳感器融合算法的選擇取（qǔ）決於具體的應用場景和需求，例如需要考慮傳感器的類型、數量、數據處理能力、係統的實時性（xìng）要（yào）求等因素（sù）。
