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。

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