過去幾個月找工作，有段時間沒有推進感測器融合方面的研究了，最近工作基本已經定下來了，可以繼續研究推進下研究。
結論：
本文基於公釐波雷達和ccd攝像機基礎上，對它們的資訊進行了d-s融合，其融合效果能正確識別障礙物及障礙物的距離、方位、寬度和高度，後續研究重點是光照和陰影影響。
**於該**
**於該**
結論：
本文提出了cameraradarfusion-net (crf-net)架構來融合道路車輛的攝像機和雷達感測器資料。針對雷達和攝像機資料的融合，提出了blackin訓練策略。實驗結果表明，在神經網路中融合雷達和攝像機資料可以提高最先進的目標檢測網路的檢測分數。這篇**為許多領域的進一步研究提供了理由。由於文獻對雷達與相機資料的神經融合的研究是最近才開始的，尋找優化的網路架構還需要進一步的探索。在未來的研究中，計畫設計網路層，在融合前對雷達資料進行處理，從而濾除雷達資料中的雜訊。與其他感測器形式(如雷射雷達資料)的融合可以進一步提高檢測精度，同時通過增加層數或需要引入新的設計概念而增加複雜性們。在惡劣天氣條件下駕駛的多模態神經融合具有更大的潛力，但需要建立建模這些條件的其他資料集來研究這一假設。最後，由於雷達感測器將距離資訊引入到檢測方案中，融合概念在三維目標檢測中的適用性是我們想要探索的方向。在硬體方面，高解析度或成像雷達有望增加雷達資料的資訊密度，減少雜波。硬體方面的進步有望提高我們方法的檢測結果。
下圖為檢測結果圖：
af：標籤資料
grf：真實雷達資料；
nrm：無雷達元資料；
多感測器融合研究（二）
牛津大學對牛津的一部分城市道路進行了多次測量，相較於其餘同類自動駕駛資料集補全了公釐波雷達自動駕駛資料集 目前已有影象 雷達 gps imu等資料集，且分別對應於到多目標跟蹤任務，多目標跟蹤與分割任務，深度任務，多目標檢測任務，道路劃分任務，語義分割任務 圖1 fft資料 該圖為原始的fft後的結果...
多感測器融合
2018年，l3等級的自動駕駛汽車陸續出現在市場上。奧迪的第一款l3自動駕駛汽車奧迪a8旗艦轎車，也是全球首款達到l3級別的自動駕駛量產車。以自動駕駛功能在高速公路上行駛，時速為60km h或者更低。駕駛員無需時刻監控駕駛環境。在當時，奧迪a8為何這麼牛？它是如何達到l3水平的呢？豐富的感測器功不可...
多感測器資料融合
隨機類 加權平均 卡爾曼濾波 多貝葉斯估計 ds證據理論 產生式規則 人工智慧類 模糊邏輯理論 神經網路 粗集理論 專家系統 隨機類方法 加權平均 卡爾曼濾波 貝葉斯估計 基於貝葉斯估計的資料融合方法及應用 貝葉斯估計為資料融合提供了一種手段，是融合靜環境中多感測器高層資訊的常用方法。它使感測器資訊...