物联网
使用Edge Computing和Sensor Fusion实现连接的世界
传感器技术和计算能力的进步，加上价格的下降，导致连接到互联网的“事物”数量呈指数级增长。因此，从自动驾驶汽车到农业，各行各业越来越多地采用传感器融合和边缘计算系统。
制造业将是传感器融合和边缘计算的早期采用者，以实现现有的IOT实现，以便实时在生产工作流中带来速度和敏捷性。智能工业机器人如果能够在边缘处理数据，部署在工厂楼层可能会变得更加响应和自给自足。这些可以促进更快地提取洞察力和增加机器学习算法的应用。
聪明的农业可能是另一个区域，其中与传感器融合和边缘计算结合可以带来效率。这些农业农场更频繁地位于远程和敌对地点，导致连接和带宽问题。在这种情况下，边缘计算可以帮助智能农场有效地监控温度，设备健康和整体过程以采取先发制人的行动。
石油和天然气工业是另一个具有大量IOT设备和传感器的行业。石油和天然气钻机部署超过10,000个传感器，所有这些数据都累积并传输到云网络。捕获的一些数据只是意味着系统是否正常运行。在这种情况下，边缘计算系统可以在本地编译和分析信息，并且只有整个系统报告以及重要数据可以在日期结束时将其发送到云网络，减少了遍历网络的数据。
自动车辆由于自动驾驶汽车对实时决策功能的需求，行业也将是早期的采用者。随着人工智能算法、传感器技术和计算能力的改进，Waymo、特斯拉和奥迪等公司都在大举投资自动驾驶汽车。这些车辆利用各种各样的技术和传感器，如雷达、GPS、激光雷达、里程测量等，来分析和探测周围环境，并在导航时保持安全优先，自行做出决策。来自各种各样的传感器的信号被集成来估计物体的位置和类型(如人类、动物、其他汽车等)，物体运动的速度和运动的轨迹。为了合并所有这些传感器信息，公司采用了一种称为传感器融合的技术。
什么是传感器融合技术
传感器融合被定义为组合多个物理传感器数据以产生准确的地面真理的技术，即使每个单独的传感器都是不可靠的。
来自多个数据源的数据有助于消除错误，并且将这些数据与上下文信息结合起来使这些数据比来自单个传感器源的数据更有用。传感器融合技术有助于去除时间、噪声输入，并产生物体运动状态的概率更好的估计。但目前这些传感器融合数据的处理大多是在云上完成的，因此受到固有的光速延迟的影响。自动驾驶汽车必须立即做出反应，如果它看到一个行人跳到它的道路上。一个大型数据集在云端来回移动大约需要100毫秒，而瞬间的差错可能会决定是与行人相撞还是避免相撞。自动驾驶汽车要实现态势感知，需要处理边缘上的传感器信息。虽然从云发送和接收信息是必需的，但自动驾驶汽车需要边缘计算能力来获得更大的接受度。
了解边缘计算
边缘计算是一个分布式打开的IT架构，使系统能够在信息源附近或在信息源上计算数据而不是将信息转换到云。边缘计算使得实时数据处理无需延迟。
利用边缘计算能力，系统可以执行有效的数据处理，因为可以在源处或附近处理大量数据，从而减少了因特网带宽使用。除了降低整体成本外，它确保系统也可以在远程位置运行。此外，消除了将所有信息中继到公共云的需要实现敏感信息的额外安全性。
根据CB洞察，全球优势计算市场可能达到2022美元至6.72b1。采用边缘计算将基于：
- 潜伏数据捕获和计算之间的最小化
- 减少互联网带宽消费
- 改善数据安全通过消除对公共云基础架构的敏感数据传输
- 降低运营成本
- 遵守各种各样的规范和合规性规范关于跨越边界的信息转移
虽然边缘计算相对来说还是个新生事物，但主要的云服务提供商都在他们的产品中加入了边缘计算解决方案。AWS本片从亚马逊可以让设备在本地操作数据，同时仍然使用云进行管理、分析和持久存储。Azure IoT.Microsoft的解决方案将云分析扩展到Edge设备，可以脱机使用。相似地，云计算物联网的优势来自Google扩展了强大的数据处理和机器学习到边缘设备。
印孚瑟斯相信，边缘计算将为旧的挑战带来新的解决方案
与华为合作的Infosys根据开放边缘计算物联网发布了一款智能工业机器人解决方案。该解决方案支持来自多个供应商的工业机器人的互连，以及帮助制造商预测故障并提高维护效率。该解决方案能够将工业机器人的停机时间减少超过70％，缺陷率为40％。该解决方案还能够根据资源利用率来安排生产率，并优化这些生产线以实现最高效率。
印孚瑟斯还在研发具有优势计算能力的无人机led检测系统。该解决方案将使客户能够在间歇性互联网连接的情况下，最佳地利用无人机编队检查远程位置的资产，而不会影响系统的有效性。
物联网应用的增加和价格的降低不仅在物联网领域，而且在边缘计算和传感器融合领域开辟了商机。除了建立更接近数据来源的计算网络之外，还会有新的商业模式沿着提供传感器融合平台服务的路线发展。在这些领域的资金和人力资源方面的投资将使组织保持在发展的前沿并获得回报。
