本书为即将从事或正在从事自动驾驶传感器融合工作的人总结了传感器融合的思路。本书首先介绍了摄像头（单目、立体）、无线电雷达、LiDAR、超声波传感器，其次从复合、统合、融合和网络的观点出发，介绍如何将这些传感器进行融合并予以分类，给出了相关特性和具体实例。特别是针对网络传感器融合，介绍了基于免疫网络的传感器融合方法。此外，传感器融合的目标就是要实现最佳状态估计，从这一观点出发，本书对基于滤波器、最小二乘估计法、状态方程的逐次型状态估计等各类方法的卡尔曼滤波器、粒子滤波器等情况予以整理说明。本书适合智能网联汽车工程师及研究人员阅读使用，也适合车辆工程及相关专业本科、研究生阶段师生阅读参考。

前言
第1章 什么是传感器融合
1.1 组合方法
1.2 传感器数据融合
参考文献
第2章 各传感器技术详情
2.1 主动传感器
2.1.1 无线电雷达
2.1.2 LiDAR
2.1.3 超声波传感器
2.2 被动传感器
2.2.1 单目摄像头
2.2.2 立体摄像头
2.2.3 RGBD摄像头
2.2.4 深度学习
2.2.5 各种传感器的比较
参考文献
第3章 传感器融合
3.1 主动传感器与被动传感器的组合
3.2 组合示例
3.2.1 坐标校正
3.2.2 虚拟RGBD摄像头研究实例
3.3 传感器融合的种类
参考文献
第4章 各种传感器融合的实例
4.1 复合传感器融合
4.2 统合传感器融合
4.3 融合传感器融合
4.4 网络传感器融合
4.4.1 互耦神经网络
4.4.2 置信度
4.4.3 免疫网络
参考文献
第5章 卡尔曼滤波器
5.1 预处理
5.1.1 数字化
5.1.2 去噪
5.1.3 维纳滤波器
5.2 状态空间表示
5.3 最小二乘估计法
5.4 贝叶斯统计
5.5 逐次最小二乘估计法
5.6 卡尔曼滤波器
5.7 非线性卡尔曼滤波器
5.7.1 扩展卡尔曼滤波器
5.7.2 无迹卡尔曼滤波器
5.7.3 粒子滤波器
5.8 卡尔曼滤波器应用示例
参考文献
第6章 今后的技术动向
6.1 各传感器的未来
6.2 传感器融合的未来
参考文献
结束语