该论文探讨了如何通过多传感器融合技术提升联网和自动驾驶车辆（CAVs）对交通信号的感知能力。传统方案依赖单一传感器（如摄像头）检测信号灯，易受光照、天气等环境因素影响。作者提出一种融合摄像头、LiDAR、雷达以及SPaT（信号相位与时序）数据的综合方法，利用每种传感器的优势：摄像头提供视觉信息、LiDAR提供精确距离、雷达增强恶劣天气下检测、SPaT提供信号灯状态预测。实验设计可能包括在仿真或真实场景中评估融合方案相对于单传感器的检测精度与鲁棒性。主要贡献在于提出了一种多源异构数据融合框架，提升了交通信号感知的准确率和实时性，从而增强CAVs在复杂交通环境中的决策可靠性。对于汽车安全工程师来说，这项工作有助于理解传感器融合在关键安全功能中的应用，并为后续的安全验证（如对抗性攻击下的鲁棒性）提供基础。