近年来,多传感器信息融合越来越受到重视,并在各个领域发挥着极其重要的作用。与传统探测方式相比,多传感器信息融合系统把来自各个传感器的探测数据加以提取和综合,有效提高了估计精度,增强了系统可信度。同时,利用多个传感器之间的相对位置或者是相对运动,可以明显改善目标的观测过程,提高探测能力。红外/激光雷达联合探测系统是典型的多传感器融合跟踪系统,已经获得了广泛应用,二者配合使用,不仅可以实现信息互补,提供完整的测量信息,对目标进行精确状态估计,而且可以提高系统可靠性和稳定性。基于上述优势,本文主要研究了红外/激光雷达数据融合跟踪算法。首先介绍了本文的课题背景,通过分析多传感器信息融合、红外/激光雷达数据融合跟踪以及目标跟踪算法的研究现状,阐述了多传感器的融合模型、常用的融合算法以及目标跟踪滤波算法,指出目前信息融合研究的不足。然后从融合跟踪的基本原理入手,分析了红外/激光雷达联合探测系统主要面临的问题:传感器采样频率不同造成的观测信息异步和坐标系转换导致的误差偏差和耦合。对于红外/激光雷达异步多传感器数据融合问题,传统的解决方法是先对异步观测数据进行配准,将异步融合问题转换化为同步问题;然后将配准后的观测信息进行数据融合,在直角坐标系下进行建模,利用转换测量卡尔曼滤波算法实现目标的融合跟踪。该算法虽然简单,但估计精度较低。针对传统算法的弊端,本文将多尺度理论与转换测量卡尔曼滤波引入到异步多传感器数据融合算法中,提出了一种新的融合跟踪算法——基于多尺度理论的红外/激光雷达融合跟踪算法。该算法对于红外/激光雷达采样时间同步和不同步的情况都适用。根据传感器的采样频率建立多尺度模型,每获得一次量测信息,即可进行一次滤波估计。对于采样时刻同步的情况,在细尺度上,利用无迹卡尔曼滤波算法和红外探测系统获取的角度信息进行滤波估计,充分利用红外探测系统的高频特性,通过滤波有效提高目标状态的估计精度。在粗尺度上,由于激光雷达的采样周期为红外探测系统的整数倍,可以直接将红外探测系统高精度的角度信息与激光雷达提供的距离信息融合,并将该融合信息作为粗尺度上目标滤波估计的观测值,采用改进的转换测量卡尔曼滤波算法实现跟踪。对于采样时刻不同步的情况,细尺度的处理与上述算法相同,只是在粗尺度上,由于激光雷达的采样周期不再是红外探测系统的整数倍,不一定有高精度的角度测量值,需要根据具体情况来选择观测值。此外由于红外/激光雷达采样数据异步,使得各个测量值之间采样时间间隔不一致,系统状态转移矩阵不断变化。仿真试验表明,本文提出的基于多尺度理论的红外/激光雷达融合跟踪算法是有效的。