自动驾驶汽车多传感器数据融合技术

（1）从自动驾驶汽车多传感器数据融合技术的产生背景和发展过程开始，系统介绍了该技术的基本概念、数据融合级别、动态参数估计方法、数据融合系统功能模型等； （2）着重阐述了自动驾驶汽车多传感器数据融合技术在不同应用场景下的工作原理与功能，如行人过街，斑马线，红绿灯，隧道，锥桶通过等场景下的解决方案； （3）引用了目前具有广泛应用前景的新技术及其推广范例，如基于多传感器数据融合的“鬼探头”，紧急停车等场景技术应用案例分析。

本书从自动驾驶汽车多传感器数据融合技术的产生背景和发展过程开始，深入浅出地介绍了该技术的基本概念、数据融合经典算法、数据融合功能与结构模型、分布式检测与数据融合等内容，并着重阐述了自动驾驶汽车多传感器数据融合技术在不同应用场景下的工作原理与解决方案，如行人过街、斑马线、红绿灯、隧道等场景，引用了目前具有广泛应用前景的新技术及其推广范例，如多传感器数据融合的“鬼探头”、紧急让行等场景技术应用案例。
本书可作为高等院校汽车相关专业的教学参考书，亦可为从事自动驾驶方向的科研技术人员提供技术参考。

无

第1章 绪论001
1.1 自动驾驶汽车数据融合技术背景002
1.2 多传感器数据融合技术应用现状007
1.2.1 军事领域008
1.2.2 智能交通领域009
1.2.3 智能制造工业生产011
1.2.4 现代智能医疗012
1.3 数据融合技术的优势及发展013
1.3.1 多传感器数据融合技术的优缺点014
1.3.2 研究方向展望015
第2章 自动驾驶汽车多传感器数据融合技术概述017
2.1 车用传感器的类型与数据类型018
2.2 多传感器数据融合技术的基本原理031
2.3 自动驾驶中数据融合需要解决的问题035
2.4 多传感器数据融合的流程与级别042
2.4.1 特征提取方法042
2.4.2 特征选择046
2.4.3 图像特征及提取方法048
2.4.4 PCA算法051
2.4.5 特征融合052
第3章 多传感器数据融合经典算法介绍058
3.1 不同信息格式融合算法介绍059
3.1.1 激光雷达点云与摄像头深度图融合060
3.1.2 GPS＋IMU融合063
3.1.3 激光雷达与惯性导航系统融合065
3.1.4 SLAM技术070
3.2 贝叶斯估计法077
3.3 卡尔曼滤波法080
3.4 小波变换法与深度图融合法086
3.5 遗传算法103
3.6 人工神经网络114
第4章 多传感器数据融合功能与结构模型124
4.1 多传感器数据融合的功能模型125
4.2 数据融合的检测及结构模型126
4.3 目标识别融合结构及分类133
4.4 数据融合的位置结构模型及分类145
第5章 分布式检测与数据融合153
5.1 数据融合的主要结构与判决154
5.2 并行结构与串行结构的分布检测159
5.3 数据融合的层次扩展162
5.3.1 第一层融合163
5.3.2 第二层融合167
5.3.3 第三层融合167
5.4 数据融合系统的构成（耦合）170
第6章 多传感器数据融合技术在自动驾驶实际场景中的应用177
6.1 行人及非机动车辆斑马线通过场景178
6.2 交通指示信号灯处理场景184
6.2.1 基于视觉图像识别184
6.2.2 基于V2X识别187
6.3 地下通道及林荫路段通过场景190
6.4 紧急情况车辆让行场景196
6.5 自动泊车场景199
参考文献205