本视频概述了什么是传感器融合及其在自主系统设计中的应用。视频中还谈及了一些场景，这些场景介绍了实现传感器融合的各种不同方式。传感器融合是确认定位、位置以及检测和物体跟踪的关键部分。我们将证明传感器融合不仅仅是一个卡尔曼滤波器。它是一整套算法，可以融合来自多个源的数据以更好地估计系统状态。传感器融合的四个主要好处是可以提高测量质量，可靠性和覆盖范围，并能够估算未直接测量的状态。传感器融合在完全不同类型的自主系统中具有如此广泛的吸引力这一事实使它成为一个有趣而又有意义的学习主题。

Waymo于2009年启动了谷歌自动驾驶汽车项目，现在已经准备好进入下一阶段。从现在开始，Waymo的全自动驾驶技术——目前道路上最先进的自动驾驶技术——将在无人驾驶的情况下在公共道路上试驾。很快，公众就可以在日常生活中使用这些交通工具了。经过8年多的测试和开发，我们已经准备好解锁全自动驾驶技术的潜力，让每个人出行都更容易、更安全。

博世推出了新的侧视辅助系统，这是世界上第一个用于监测盲区的超声波系统。大多数司机都很熟悉这个危险的情况：换车道时，你打开转向灯，看一下后视镜和外镜，甚至可能只是瞥了一眼左肩——结果却发现，当你向左移时，一个刺耳的喇叭声让你吓了一跳。在这种危急情况下，博世的侧视辅助系统可以有效地向驾驶员发出警报，提醒他们从盲区接近的车辆。

Waymo始于2009年的谷歌自动驾驶汽车项目。今天，我们拥有世界上唯一在公共道路上配备全自动驾驶汽车的车队。进入我们的360°视频，并掌控摄像头，通过我们汽车的“眼睛”看。然后，成为世界上第一个使用Waymo的人。

本视频为您介绍了9款最佳智能汽车配件：1- Owl(车载智能安全摄像头) ；2- Roav VIVA（支持alexa的2端口USB汽车充电器）；3- iOttie轻松一触无线（Qi快充车载支架)；4- ZUS智能车辆健康监测器；5- ZUS智能轮胎安全监测器；6- ZUS 无线智能备份摄像头；7- ZUS车钥匙仪；8- ZUS万能HD汽车音频适配器；9- CarWink（让你可以通过表情符号与其他司机交流的智能设备）。

该视频介绍了跟踪多个对象时出现的两个常见问题：数据关联和跟踪维护。我们介绍了解决这些问题的几种方法，并提供了解决所有多对象跟踪问题的一般方法。我们介绍了数据关联算法，例如全局最近邻（GNN）和联合概率数据关联（JPDA），并介绍了删除和创建轨道的标准。我们还将谈论门控筛选机制，以免浪费计算资源。在视频的结尾，我们展示了一个GNN和JPDA算法在两个紧邻的对象上运行的示例。

该视频介绍了如何通过交互的多个模型滤波器估算状态来跟踪单个对象。我们建立了对IMM滤波器的一些直观了解，并展示了它是一种比单模型卡尔曼滤波器更好的跟踪算法。让跟踪更难的部分是，我们通常必须用较少的信息来完成跟踪。我们将介绍IMM滤波器如何弥补信息的不足，并展示一些仿真的结果。

人工智能是由机器展示出来的人类智能，自20世纪50年代就有了，但直到最近，我们还没有足够的数据来训练机器或计算能力来处理这些数据。英伟达提供了价格合理的算力，他们用可编程的GPU改变了游戏规则，可以同时处理大量数据。人工智能和深度学习是无人驾驶的关键技术，我们可以在今天的道路上发现它在物体和图像识别和避碰方面的特点。