车联网环境感知系统的核心任务是在复杂的交通场景中为车辆提供可靠、连续且低延迟的周边对象信息。单一的传感器技术难以独立应对所有工况，毫米波雷达与超宽带精准定位的融合成为当前工程实践中的有效方案。毫米波雷达能够直接测量目标的相对速度、距离和角度，对金属物体具有较高的反射稳定性，且不受光照和恶劣天气的显著影响。超宽带技术则通过纳秒级窄脉冲信号实现高精度的测距与定位，其信号穿透能力强，多径分辨能力突出，特别适用于卫星信号不可及的区域。两种传感器的物理特性存在天然的互补关系：毫米波雷达擅长检测动态目标但无法区分目标身份，超宽带定位能够提供厘米级绝对位置和身份标识却对信号遮挡较为敏感。将二者融合，并非简单的数据叠加，而是需要在信号处理、空间对准与时间同步三个层面建立统一的机制，从而使融合后的环境感知输出具备超越任一独立传感器的精度与鲁棒性。
实现毫米波雷达与超宽带精准定位融合的第一个工程环节是空间坐标系的统一对准。毫米波雷达通常安装在车辆前保险杠或格栅后方，其测量原点在车辆坐标系下的位置固定，输出数据为极坐标形式的距离与角度。超宽带定位系统的基站部署在路侧或周边基础设施上，其输出的标签位置数据是基于全局大地坐标系的绝对坐标。要使两类数据能够在同一空间框架下进行比较与关联，必须建立精确的坐标转换矩阵。这一转换不仅包含平移与旋转参数，还需要补偿毫米波雷达角度测量中的非线性误差。实际工程中，常采用联合标定方法，在场景中布置已知绝对坐标的多个反射角反射器与超宽带标签，同时采集两种传感器的输出，通过最小化重投影误差求解最优转换参数。标定完成后，毫米波雷达的每个检测点都可以映射到全局坐标系中，与超宽带定位输出处于同一参考框架。空间对准的精度直接决定了后续数据关联的正确率，如果对准误差超过超宽带定位的厘米级精度，融合后的目标位置会出现系统性偏移，进而影响车辆的决策判断。
时间同步是毫米波雷达与超宽带定位融合中另一个关键问题。两种传感器的工作周期存在差异，毫米波雷达通常以固定帧率输出点云数据，每帧数据的采集本身需要数毫秒的扫描时间。超宽带定位的更新频率与其测距序列的设计相关，典型系统每秒可输出数十次至上百次位置估计。两种传感器的时间基准不同，且各自的数据处理链路也存在不确定的延迟。如果直接将不同时刻采集的数据进行融合，运动目标的融合位置会产生明显的拖尾或超前现象。解决这一问题的机制是在系统架构中引入统一的时间戳管理器。每个毫米波雷达的扫描起始时刻与结束时刻被精确记录，超宽带每个标签的位置估计同样标注其对应的信号飞行时间测量时刻。融合处理单元按照时间轴对齐原则，将两种传感器的观测值外推或内插到同一分析时刻。对于高速运动的目标，还需要利用毫米波雷达提供的多普勒速度信息对超宽带位置进行运动补偿。经过严格时间同步的融合系统，其输出的目标轨迹能够保持时间上的一致性，为后续的跟踪滤波算法提供合格的输入。
数据关联是融合机制中的核心决策环节，其任务在于判断毫米波雷达的某个检测点与超宽带定位的哪个标签属于同一物理实体。由于两种传感器的虚警与漏检特性不同，关联算法需要处理一对多和多对一的复杂情况。毫米波雷达对非金属物体的反射能量较弱，行人或路侧设施有时无法形成稳定的检测点。超宽带定位要求目标佩戴标签，非合作目标无法被系统感知。因此融合系统首先将目标分为合作目标与非合作目标两类。对于同时被两种传感器观测到的合作目标，关联算法基于空间距离、径向速度一致性以及历史轨迹的连续性来建立匹配关系。具体实现中，采用两级门限判决机制：第一级利用空间欧氏距离进行粗匹配，排除明显不相关的检测对；第二级利用径向速度差和角度差进行精细验证。成功关联的目标可以获得毫米波雷达的精确相对运动参数以及超宽带定位的绝对位置与身份信息，形成完整的运动状态描述。对于仅被毫米波雷达检测到的非合作目标，系统使用纯雷达的运动模型进行状态递推。对于仅被超宽带定位检测到的目标，系统可以利用其位置变化推算速度矢量，作为对雷达检测范围的补充。
在融合系统的架构设计上，集中式融合与分布式融合各有适用场景。面向车联网环境感知的高实时性要求，采用混合式融合架构较为常见。该架构在路侧处理单元完成毫米波雷达与超宽带基站的原始数据采集后，首先进行本地级的数据预处理与时间空间对准，然后在边缘计算节点执行目标级别的融合。这种设计避免了将大量原始点云数据传输至云端带来的延迟和带宽压力。融合算法的核心是一个基于扩展状态向量的联合跟踪滤波器，滤波器的状态包含目标的位置、速度、加速度以及身份标识。毫米波雷达的测量值作为滤波器的观测更新项，超宽带定位的绝对坐标作为另一项观测更新项，两者按照各自的测量协方差矩阵加权融合。协方差矩阵的设定需要根据传感器在不同距离和角度下的实测精度动态调整。例如在远距离处，毫米波雷达的角度测量误差显著增大，融合算法会相应降低角度观测值的权重，更多依赖超宽带定位的绝对位置信息。这种自适应加权机制使得融合输出在各种工况下都能保持稳定的精度。
毫米波雷达与超宽带定位的融合机制已经在车路协同和停车场自主代客泊车等场景中得到验证。在路口通行场景中，超宽带基站安装在红绿灯杆件上，对进入路口范围的车辆进行连续高精度定位，毫米波雷达则同时检测本车与其他方向来车的相对运动。融合系统能够准确判断本车与其他车辆的相对位置关系，即便在毫米波雷达因多径反射出现虚假检测点时，超宽带的绝对位置约束可以快速剔除异常数据。在多层停车场环境中，全球导航卫星系统信号完全丢失，超宽带定位作为主要的绝对位置信息来源，毫米波雷达则负责检测墙壁、立柱以及突然出现的行人。两种传感器的融合输出使得车辆在有限空间内能够保持安全的行驶轨迹。融合机制的有效性依赖于工程实施中严格的标定、同步与关联设计，而非依赖经验参数调校。通过建立明确的数学关系与决策逻辑，毫米波雷达与超宽带定位的互补优势得以充分发挥，为车联网环境感知提供了一种既满足精度要求又具备工程可实现性的技术路径。该融合架构不依赖于特定的车辆型号或基础设施品牌，具有良好的通用性与可移植性。
