交通目标检测与识别是当前汽车自动驾驶和车辆安全领域中的一个重要研究课题。交通传感器作为交通目标检测系统的重要组成部分,其可靠的收集算法及容错控制能力,对保障车辆安全和行人安全具有重要意义。由于环境因素和传感器节点本身的资源限制等因素的影响,交通目标检测中常出现数据丢失、出错、时延等系列问题。传统的数据采集技术多采用数据重传、多径传输、数据恢复、等方式来保证数据传输的准确性,但是在对于数据传输实时性的要求较高的应用场景中,尤其是在网络通信链路质量难以保障的交通目标检测场景,传感器数据采集的实时性和容错能力显得尤为重要。本文在深入分析和研究当前传感器数据采集技术的基础上,对交通目标检测中传感器数据采集容错问题展开研究,针对传感器感知数据缺失问题,提出了一种基于ARMA模型的感知数据丢包估计方案,结合粒子滤波技术和非线性变换技术,提升传感器在非高斯目标检测系统中采集数据的准确性,并研究在随机时延和丢包情况下的无线传感器网络数据可靠采集与传输问题,提出一种基于增量补偿和统计信息补偿的感知数据采集方案和基于网络时延的数据校正策略。主要工作如下:（1）构建了基于ARMA交通感知数据时间状态序列估计模型。并利用COX-BOX变换,提高传感器目标检测系统对非线性观测系统的估计和预测能力,实验结果表明,本文提出的传感器丢包估计模型在对缺失的感知数据估计上都具有最小的标准差和误差均值。（2）提出了一种基于粒子滤波的感知数据混合补偿容错控制方法。通过构建粒子滤波估计器,从本地时钟和感知数据中提取时间戳,估算出感知网络中的时延步长,并根据时延步长值,确定选取增量补偿校正或统计信息补偿校正的感知数据算法,保证目标跟踪其数据缺失或感知网络延迟情况下目标跟踪的可靠性与实时性,在5%和10%的丢包率下,本文提出的方法的均方根误差分别为3.3923和8.376,结果表明,本文提出的方案对短时的缺失数据具有较好的估计精度,并且具有较强的抗干扰能力,均优于前沿的感知数据容错控制方法。