在AGV（Automated Guided Vehicle，自動（dòng）導引車）係統中，常（cháng）用的傳（chuán）感器融合算法可以（yǐ）分為以下（xià）幾類：
1. 按抽（chōu）象級別分類
低（dī）級別融合（數據級融合）：融合來自多個傳感（gǎn）器的原始數據，例如融合激光雷達的點雲（yún）數據和攝像頭的像素級（jí）數據。這（zhè）種融合方式考（kǎo）慮了所有數據，但由（yóu）於所需處理量（liàng）較大，早期融合在幾年（nián）前還很難做到。
中級別融合（特征級融（róng）合）：將傳（chuán）感器獨立檢測到的（de）物體進行融合，例如（rú）將攝像頭檢測（cè）到的障礙物和雷達檢測（cè）到的障礙物結果融（róng）合在一起，形成對障礙物（wù）的位（wèi）置、類別和速（sù）度的（de）最佳估計。常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）：融合對象及其軌跡，不僅依賴於檢測，還依賴於預測和跟蹤。這種融合（hé）方（fāng）式的優（yōu）點是簡單，但一個主要問題是可能會丟失太多信（xìn）息。
2. 按中（zhōng）心化級別分（fèn）類
中心化融合：一個中央單（dān）元處理（lǐ）融（róng）合（低級別）。例如，在經典的自動駕駛汽車架（jià）構中，每個傳感器都有自己的計算機，所有這些計算機都連接到一個中（zhōng）央計算單元。
去中心（xīn）化（huà）融合：每個傳感器融合數據並將（jiāng）其轉（zhuǎn）發到下一個。
分布式融合：每個傳感器在本地處（chù）理數（shù）據並將其發送到下一個單元（yuán）（後期融合）。
3. 按競爭（zhēng）級別分類
競爭融（róng）合：傳感器用於相同目的，例（lì）如同時使用雷達和激光（guāng）雷達來檢測行（háng）人，這種數據融（róng）合過程稱為冗餘。
互補融合：使用不同的（de）傳感器觀察不同的（de）場景來獲取使用其他方式無法獲得的信息（xī），例如使用多個攝像頭構建全景圖。
協同融合：使（shǐ）用兩個或更多（duō）傳感器來產生一個（gè）新場景，但是關於同一個對象的，例如使用2D傳感器進行3D掃描或3D重建。
在實際應用中，傳感器融合算法的選擇取決（jué）於具體的應用（yòng）場景（jǐng）和需求（qiú），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）要求等因素。
