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。

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。

我们生活在一个自动化和智能设备的时代，因此，这些发展自然而然地进入了汽车行业！让我向你们展示一些在这个领域里最激动人心的创新，科技如何改善我们的生活，让我们更有生产力，更有信心等等。感谢尼桑对本视频的赞助，尼桑是行业现状的真正挑战者，他们的目标一直是推动人们在技术和用户体验方面的创新。

欢迎收看博世对高度自动化汽车及其独特驾驶体验的愿景。这款概念车展示了自动驾驶汽车和司机之间是如何进行互动的。陪同年轻的专业人士Philip去机场，看看他的汽车的用户界面如何处理手动和自动驾驶的不同阶段，让Philip的旅程安全、轻松、高效和愉快。

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。

深入了解轨迹级融合（或轨迹融合），需要它的跟踪情况类型以及与此相关的一些挑战。您将看到两种不同的跟踪架构——轨到轨融合和中央级跟踪，并了解选择一种架构而不是另一种架构的好处。

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。

坐上Mobileye的自动驾驶汽车，仅有摄像头的系统会在繁忙的十字路口，多车道回旋处附近以及其他棘手的情况下进行操作，这些情况甚至会难倒最熟练的人类驾驶员。在整个视频中，我们分享了我们的技术和驾驶理念如何实现自信而又不失礼貌的驾驶。我们的感应显示屏使我们能够洞悉我们最先进的检测技术，并且车内的视图显示，我们的安全驾驶员一次也没有干预。没人干预，没有剪辑——只有Mobileye的自动驾驶汽车在运行。