随着科技日新月异的发展，自动驾驶作为智能出行领域的核心产业已取得众多关键成就，目前自动驾驶技术主要包括对行程路线的规划、对道路环境的感知、对车辆自主控制等。

虽然自动驾驶被认定有最庞大的市场空间，中信证券也表示，“自动驾驶将有万亿级的广阔市场，有望解决人力成本提升、交通安全、司机短缺等诸多痛点，其中城市开放场景的市场空间最大。”但因人工智能发展当前仍有诸多局限，自动驾驶发展之路依然漫长，其中主要制约因素在于感知与定位，多传感器融合技术的提升是自动驾驶领域向前迈进的关键。

多传感器融合是指对摄像头、激光雷达、毫米波雷达、超声波雷达等多种传感器各自收集的数据所做的“数据融合”。数据融合包括空间与时间融合。空间融合利用计算机技术统一车身不同位置传感器的坐标，求取各传感器坐标系之间的转换矩阵。但由于各传感器工作频率不同，因此应调整时间上的融合，将其他传感器数据统一扫描至一个周期较长的传感器中。该技术的优势在于可获悉各传感器的观测数据，进而实现对路况的评估与决策。

数据融合处理主要算法包括卡尔曼滤波、贝叶斯统计理论与神经网络技术。卡尔曼滤波可利用目标的动态信息，预测估计下一时刻目标的状态，完成车道保持与车距检测任务。贝叶斯统计理论可提高图像处理算法识别能力，提高交通标志的识别率。神经网络技术利用多源多向的采集方式，提高对路况及天气状况的环境数据收集能力，增强对车辆、车道线及交通标志的距离、速度、角度感知。