军方一直是     传感器   数据融合的先驱，“通过使用来自多个分布式源的数据，可以获得更低的检测错误概率和更高的可靠性”。

如今，智能手机和汽车中的高级传感应用经常使用传感器融合。但是，先进的工业应用（例如复杂的机器人）也利用了该技术。传感器融合实际上是数据融合的子类别，也称为多传感器数据融合或传感器数据融合。

对于智能手机中的位置感测，来自加速度计，     陀螺仪   和磁力计的数据相结合，可提供比单独使用任何这些传感器都能获得的更好的结果。在汽车中，来自雷达，LiDAR和相机的数据以及地图和其他数据源被组合在一起，以在     自动驾驶   情况下做出决策。在机器人中，来自视觉系统和惯性     测量   单元（IMU）的数据被组合在一起，以改善     机械   臂的运动并提高采样率。

军方一直是传感器数据融合的先驱，“通过使用来自多个分布式源的数据，可以获得更低的检测错误概率和更高的可靠性”。

1987年，美国国防部（DOD）实验室联合主管（JDL）数据融合小组制定了数据融合的定义，该定义进一步完善为“多层次，多方面的过程，涉及自动检测，关联，相关，估计，以及来自单一或多个来源的数据和信息的组合。”

JDL数据融合过程模型的顶层视图

传感器数据融合的技术要求