從歷史看，人類最初研究的自動駕駛是一種利用道路基礎設施的系統(tǒng)，后來人們改變了研究方向，開始讓汽車去感知外界以實現(xiàn)自主行駛，直到今天仍然如此。從最開始研究自主型自動駕駛至今，外部環(huán)境感知傳感器始終是研究課題的核心所在。由于自動駕駛是為了讓汽車本身代替人類駕駛員進行駕駛，因此汽車必須像人類駕駛員一樣識別外部環(huán)境并把握交通狀況。
對于自動駕駛來說，可以選擇的外部傳感器有：攝像頭（單目、立體）、雷達、LiDAR、超聲波等。雖然這些傳感器都在研究人員們的辛勤付出下得以實際應用，但是，單靠其中任何一種傳感器都無法像人類駕駛員一樣對外部進行識別。如果僅就駕駛員所擁有的視角、分辨率、動態(tài)范圍、物體識別能力等其中一項能力來說，并非沒有接近或超過人類能力范圍的傳感器。只是沒有任何一個傳感器可以囊括所有功能。
因此，利用多個傳感器來填補功能不足，進行傳感器融合自然而然地就被寄予了厚望。一旦自動駕駛水平得以提高，必然會安裝攝像頭、雷達、LiDAR、超聲波和多個傳感器。筆者多年來一直從事自動駕駛的研發(fā)工作，并從一開始就一直在尋找有效的傳感器融合方式。
本書為那些即將從事或正在從事自動駕駛傳感器融合工作的人總結了傳感器融合的思路。本書的特點是先介紹了攝像頭、雷達、LiDAR、超聲波的大致情況，再從復合、統(tǒng)合、融合和網絡的觀點介紹如何將這些傳感器進行融合并予以分類，給出了相關特性和具體實例。特別是針對網絡類傳感器融合，介紹了基于免疫網絡的傳感器融合方法。此外，傳感器融合的目標就是要實現(xiàn)zui佳狀態(tài)估計，從這一觀點出發(fā)，本書對基于濾波器、最小二乘估計法、狀態(tài)方程的逐次型狀態(tài)估計等各類方法的卡爾曼濾波器、粒子濾波器等情況予以整理說明。