传感器融合LiDAR and Radar Fusion with

如下为Udacity对于EKF在LiDAR和RADAR算法融合的应用。

融合的关键在Update模块，Update模块提供两条计算路径，当LASER信号输入时计算LASER的路径，当RADAR输入时计算RADAR路径。

因为Predict模块不涉及测量数据，只关注最近的一个时刻Update的状态，故多传感器融合不涉及Predict模块。

Overview of the Kalman Filter Algorithm Map

Update模块中，LASER的计算可以用KF，RADAR的计算可以用EKF，
卡尔曼滤波及其无人驾驶应用作为参考。

补充：个人理解，以上架构设计主要基于不同时刻输入的（当前也能Cover住相同时刻输入的情况，即），但也有另一种架构对于同一时刻得到的不同测量数据按有效性、权重、置信度等方式融合，
基于卡尔曼滤波的车速估算可以作为参考，提供思路。