周晓春 梁 军 陈 龙 王亚飞 龚进峰

1.江苏大学汽车工程研究院，镇江，2120132.上海交通大学机械与动力工程学院，上海，200240 3.中国汽车技术研究中心汽车工程研究院，天津，300300

0 引言

高级驾驶辅助系统[1](advanced driver assistance system, ADAS)以及行车主动服务系统[2](driving active service system, DASS)的发展推动着汽车安全与服务的智能化。智能网联车(intelligent connected vehicle, ICV)已成为汽车行业未来的主要发展方向，而环境感知传感器[3](environmental sensing sensor, ESS)作为ICV的重要组成部分，在智能出行过程中发挥着重要作用。针对单点探测存在因环境条件及噪声干扰导致的感知精度低的局限[4]，国内外学者重点研究了多传感器信息融合，信息融合具体可分为数据级、特征级、决策级三部分[5]。文献[6]提出了一种基于传感器融合的障碍物检测和识别系统，使用毫米波雷达检测障碍物的位置和速度，并利用边界框回归算法精确定位和识别障碍物，结果显示该系统的检出率高达91.6%。文献[7]提出了一种基于改进的联合概率数据关联的车用多传感器跟踪融合算法并进行实车试验，结果表明前方检测目标能被稳定跟踪且具备较好的检测精度。文献[8-9]设计了两种不同的卡尔曼滤波器，分别对雷达及摄像机探测目标进行跟踪并基于贝叶斯估计进行目标融合，结果表明卡尔曼滤波可显著降低测量噪声且融合算法可提高估计精度。

上述研究都是基于固定传感器组合的，未考虑融合网络中传感器的动态可扩展，无法实现传感器的即插即用(plug-and-play，PnP)，包括组件PnP、功能PnP、通信PnP。当新增ESS以及ESS失效更新时，需进行重复繁琐的组网流程，包括搜索、识别及标定。……