环境感知系统在智能汽车中的应用有望提高道路交通的安全性。众所周知的环境感知传感器有雷达，激光或视觉传感器等，它们能够使汽车检测路上的威胁，预计出现危险的驾驶情况并采取主动行为避免碰撞。除了汽车传感器系统中的多传感器融合，复杂的信号处理和传感器数据融合策略对整个系统的可用性和稳定性具有非常重要的意义。在本文中，我们考虑原始传感器的数据融合（低层次）和预处理测量点（高层次）的数据融合方法。我们对传感器配置、道路交通情景、数据融合样式和信号处理算法进行建模研究并且通过离散事件模拟将传感器数据对结合到不同抽象层次上的多传感器系统进行性能研究。

【数据融合】基于AIS和雷达的多传感器航迹融合matlab源码.md

这是数据融合方面的书，对学习雷达数据处理很有好处。

研究生系列教材，多传感器信息融合及其应用，杨万海

多传感器信息融合及应用，是信息融合技术的经典著作之一

研究生系列教材，多传感器信息融合及其应用，杨万海

D-S 多传感器信息融合 matlab实现

4FPD-Link III 的视觉与感应系统的开发时间。

传感器融合标定算法，另外还包含了自动驾驶学习资料 涵盖感知，规划和控制，ADAS，传感器； 1. apollo相关的技术教程和文档； 2.adas（高级辅助驾驶）算法设计（例如AEB,ACC,LKA等） 3.自动驾驶鼻祖mobileye的论文和专利介绍 4.自动驾驶专项课程（可能是目前最好的自动教师教程），是coursera上多伦多大学发布的自动驾驶专项课程，应该是目前为止非常火非常好的教程了，包含视频，ppt，论文以及代码 5.国家权威机构发布的adas标准，这是adas相关算法系统的标准，也是开发手册。 6.规划控制相关的算法论文介绍 7.等等总共3G多的资料

传统的数据融合算法要求获得比较精确的对象数学模型，对于复杂的难于建立模型的场合无法适用。为解决上述问题，提出了一种基于BP神经网络算法的多传感器数据融合方法，对对象的先验要求不高，具有较强的自适应能力。仿真结果表明，采用BP神经网络对传感器数据进行融合处理大大提高了传感器的稳定性及其精度，效果良好。