当我们谈融合时我们在谈些什么？
所谓融合，顾名思义，发挥多方输入信息的优势，得到更加可靠的输出信息。谈及融合，又通常会细分为前融合和后融合。
前融合是数据层面的融合，例如 Lidar 点云数据向 Camera 像素图中进行映射，综合利用两个 Sensor 的数据实施感知层面的目标识别。我们姑且可以认为前融合是感知和融合的一个交叉领域。
后融合是目标层面的融合，例如 Camera 目标和 Radar 目标的融合，Camera 目标具有类别优势，Radar 目标具有距离和速度优势。
上面所谈及的融合面向的都是外界对象，当讨论的对象是自身时又引申出融合领域的另一个话题——多传感器融合定位：综合利用多方外界信息，得到自身更加精准的位姿信息。
具体来讲，多传感器融合定位又包括组合定位和匹配定位。组合定位往往由 GPS + IMU + 轮速在扩展卡尔曼滤波（Extended Kalman Filter，EKF）框架下来实现（假设自身是一辆无人车）。GPS 提供低频长周期的粗定位结果（为提高精度，通常会引入差分技术，如 RTK）；IMU + 轮速充当航迹推算（Dead Reckoning）的角色，提供短时间的位姿推算结果（EKF 中的预测步）。匹配定位是利用 Camera 的视觉特征或 Lidar 的点云特征与事先建好的高精地图进行配准，达到定位的目的，经典的方法有粒子滤波（Particle Filter，PF）等。谈及匹配定位，似乎又和同步定位与建图（Simultaneous Localization And Mapping，SLAM）扯上了千丝万缕的联系？这个话题就太大了……
融合领域内容浩如烟海，以上仅是午夜时分的一家之言……
