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