车联网中的毫米波雷达感知系统通过多链路通信实现感知数据的共享与协同定位。单车雷达的探测范围受限于视场角和探测距离，在交叉路口和城市峡谷等场景中存在感知盲区，多车雷达数据的融合可以扩展感知覆盖范围并提升目标定位精度。毫米波雷达输出的目标距离、速度和角度信息通过车联万物通信链路在车辆之间共享，共享数据的时空对齐是多源融合的前提。协同定位利用多车雷达对同一目标的观测差异，通过几何解算提升目标位置的估计精度。感知共享与协同定位的融合机制需要在数据格式、时空对齐、链路调度和融合算法等层面进行系统设计，使多链路通信的资源分配与感知数据的共享需求相匹配。
毫米波雷达感知数据的共享首先需要解决数据格式的统一问题。不同厂商的雷达在目标信息输出格式、坐标系定义和时间戳精度上存在差异，共享数据在接收端需要经过格式转换和坐标变换才能参与融合。统一的数据格式应包含目标标识、位置坐标、速度分量、角度信息和时间戳等基本字段，坐标系采用车辆本地坐标系或全局坐标系。车辆本地坐标系以车辆自身为原点，目标位置随车辆运动而变化，适用于单车感知和目标跟踪。全局坐标系以地理参考点为原点，目标位置不随车辆运动变化，适用于多车数据融合。共享数据在发送端将本地坐标转换为全局坐标，在接收端将全局坐标转换为本地坐标供融合算法使用。时间戳的精度影响数据融合的时空对齐精度，雷达数据的时间戳应记录数据采集的精确时刻，而非数据发送时刻。
感知数据的时空对齐是多源融合的核心环节。时间对齐将不同车辆在不同时刻采集的感知数据统一至相同的时间基准，车辆之间的时钟偏差和数据传输时延导致数据到达融合节点的时间不一致。时钟同步通过车联网通信链路中的时间同步协议实现，同步精度在微秒至毫秒量级。数据传输时延的补偿通过时间戳和链路时延估计完成，接收端根据发送端时间戳和估计的传输时延推算数据的采集时刻。空间对齐将不同车辆坐标系中的目标位置转换至统一的参考坐标系，转换依赖于车辆自身的位置和姿态信息，全球导航卫星系统提供车辆位置，惯性测量单元提供车辆姿态。位置和姿态的估计误差传播至目标位置的转换结果中，误差大小与目标距离和姿态精度相关。在车辆高速运动场景中，位置和姿态的更新频率需提高以匹配运动速率。
多链路通信在感知数据共享中承担数据传输和协同定位信息交换的功能。车联网可用的通信链路包括专用短程通信、蜂窝网络直连链路和路侧单元提供的无线接入链路。不同链路在覆盖范围、传输速率和时延特性上存在差异，感知数据的共享需求对链路的传输速率和时延有不同的要求。雷达原始点云数据的数据量较大，对传输速率要求较高但时延容忍度相对宽松，适合通过路侧单元的高带宽链路传输。目标级感知数据的数据量较小，对时延要求较高，适合通过专用短程通信或蜂窝直连链路传输。多链路的调度策略根据数据类型的优先级和链路质量分配传输资源，高优先级的安全相关数据采用冗余传输方式在多条链路上同时发送。链路切换在链路质量下降时触发，切换过程的中断时延需控制在感知数据更新周期的允许范围内。
协同定位利用多车雷达对同一目标的观测差异提升定位精度。多车雷达从不同角度观测同一目标，各雷达测量的目标距离和角度信息在几何上形成冗余约束，通过最小二乘或最大似然估计解算目标的最优位置。协同定位的精度提升取决于多车观测的几何分布，观测角度差异越大则几何精度因子越小，定位精度越高。车辆之间的相对位置和姿态精度影响协同定位的基准，基准误差传播至目标定位结果中。协同定位的计算可以在车辆本地执行，也可以在边缘计算节点上集中执行。本地执行减少了数据传输时延但要求车辆之间交换原始观测数据，集中执行降低了车辆的计算负担但增加了通信时延。混合架构将初步的协同定位在本地完成，将精化计算在边缘节点完成，平衡计算负担和通信时延。
工程验证中的感知共享与协同定位融合机制需要在包含多辆配备毫米波雷达和车联万物通信模块的车辆测试环境中评估。测试场景包括交叉路口盲区检测、多车协同目标跟踪和高速公路场景下的协同定位等典型情况。评估指标包括感知覆盖范围、目标定位精度、数据共享时延和通信资源利用率。测试数据表明多车感知数据融合扩展了单车雷达的感知覆盖范围，交叉路口盲区的目标检测率相比单车感知有明显提升。协同定位在多车观测几何分布良好的场景中将目标定位精度提升至单车雷达的较高水平，在观测角度差异较小的场景中精度提升幅度有限。数据共享时延在链路调度优化后满足融合算法的时效性要求。当前，车联网毫米波雷达多链路感知共享与协同定位技术已在多个智能网联汽车测试示范区和车路协同项目中完成验证，相关数据格式、时空对齐方法和融合算法为后续的规模化部署提供了技术基础。
