從歷史看，人類最初研究的自動駕駛是一種利用道路基礎(chǔ)設(shè)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(jié)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(wǎng)絡(luò)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(guān)特性和具體實例。特別是針對網(wǎng)絡(luò)類傳感器融合，介紹了基于免疫網(wǎng)絡(luò)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。