我们正在努力收集和处理数据，以推动未来的自动驾驶汽车。自动驾驶汽车生成的数据不仅构成了安全驾驶自动驾驶汽车所需的清晰地图，还有助于让整个城市变得更智能，为公用设施和公共交通提供详细、实时的道路视图。

与特斯拉相比，Mobileye在全自动驾驶（即无人驾驶）方面表现如何？硬件比较起来怎么样？软件怎么样？这两家公司在理念和决策上有何不同？它们都使用深度神经网络、机器学习、人工智能、大数据和数百万辆汽车来训练它们的模型吗？观看本视频并找出答案！

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。

在辅助自动驾驶过程中，车辆必须始终能够可靠地检测到人和物体，并对此做出正确的反应。博世雷达传感器由于其探测距离远、视场宽、角度可分性突出和新的Chirp序列调制功能，使得快速、精确和弹性的目标检测和跟踪变得容易。这使得它非常适合复杂的交通场景。

除了摄像头和超声波传感器，雷达传感器是汽车工业中最常用的环境传感器。它们被广泛应用于许多领域，并将继续在高度自动化和自动驾驶领域发挥重要作用。dSPACE雷达测试台可对雷达传感器的空中激活进行简单和重复的测试。该工具链可以精确模拟复杂场景，验证自动驾驶功能。

如果你错过了2021年国际消费电子展上Amnon Shashua的演讲《引擎盖下的秘密》，你可以在这里观看精彩片段。Mobileye最新进展：自动化众包高精地图技术、全新的激光雷达系统集成芯片(SoC)、软件定义雷达以及在四个新国家开展自动驾驶汽车测试。

我们已经看到Mobileye的自动驾驶汽车平台是如何应对耶路撒冷状况频发的混乱街道的。但它在慕尼黑的表现如何呢？正如你在这段视频中所看到的，我们正在开发自动驾驶汽车，以便能够应对截然不同的驾驶文化和环境。

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。