近年来,随着计算机技术和多传感器融合技术的快速发展,自动驾驶技术已经成为国内外智能汽车领域的研究热点。环境感知相当于自动驾驶的眼睛和耳朵,是智能汽车能够实现自动驾驶的基础,也是自动驾驶中的重要环节。近年来,人们对于自动驾驶的期望越来越高,因此自动驾驶系统的功能日益复杂,对周围环境的感知也提出了更高的要求。目前已有的研究,主要注重于“看”到障碍物,而且仅限于简单场景下的障碍物识别,而在实际应用场景中,由于应用场景更为复杂、干扰因素更多同时导致传感器噪声造成的影响被放大,使用已有的方法比较难以获得理想的融合结果。因此现阶段自动驾驶解决方案中都是采用摄像头和毫米波雷达融合来实现两种传感器的优势互补,从而实现稳定的环境感知输出。然而融合系统只有在准确性、稳定性和连续性方面都有比较优异的表现,才不会引起后继系统的误差放大。而已有的融合系统中,对以上方面的研究还有进一步提升的空间。针对以上问题,本文综合了摄像头传感器在障碍物识别方面的优势和毫米波雷达传感器在测距方面的优势,对两个传感器的数据融合,在结合了各传感器优势的基础上实现了更准确和稳定的障碍物检测效果。本文提出的融合系统首先通过聚类算法有效的解决了无人驾驶中的由于不同毫米波雷达导致的障碍物误检测问题。其次,通过使用基于多对多匹配思想的二分图匹配算法和三维物理世界到图像的反投检测算法有效的解决了无人驾驶过程中错误匹配问题。最终通过仿真和实车测试验证了本文提出的方法能够提升融合系统的准确性、稳定性和连续性。本文的主要研究内容有:(1)针对前向毫米波雷达和短距角雷达在前方探测区域内出现互相干扰,导致一个真实物理障碍物出现多个融合结果的问题,本文提出了一种基于DBSCAN的改进聚类算法PB-DBSCAN算法。该方法综合考虑了融合系统的中输出障碍物的需求,通过利用两种雷达返回障碍物的特点和自动驾驶中车辆反射点的特征,对邻域范围的计算方法进行了改进,并对密度扩散进行了横向和纵向的约束,仿真和实车测试结果也证实了该方法能够高效准确的对多个雷达信号进行聚类,从而大大提高融合系统输出结果的准确性。(2)针对目标车辆较多或有超大障碍物存在多个反射点的复杂情况下,障碍物信息匹配容易出错的问题,本文提出了基于动态旋转矩阵实现三维世界到二维图像投影的检测算法UV-FILTER,同时在障碍物匹配过程中使用基于二分图匹配思想的算法匈牙利匹配算法(Hungarian Match)。(3)为了直观的展示本文所提算法的效果,本文开发了一套融合算法的结果可视化工具和半自动标注工具。通过将雷达原始数据、视觉原始数据、雷达聚类后数据和融合结果四条属于不同时间轴的数据同步到同一条时间轴中,同时绘制出每一帧的匹配关系,可以非常方便的观察到当前的融合效果。此外,我们在可视化工具的基础上加上了半自动标注工具,通过人工指定当前时刻的正确匹配对,工具自动生成当前时刻的障碍物真值情况。利用工具输出的结果可以方便的对融合结果的准确性等指标进行测定,同时可以对比多次融合结果的改进效果。本文使用仿真软件Carmaker搭建了典型场景下的仿真场景对算法进行了验证,同时在实车平台上,采集了实际道路的真实自动驾驶数据对融合算法进行了实车验证。仿真测试和实车测试都表明,本文提出的融合系统在融合摄像头传感器和毫米波雷达传感器后输出的结果在准确性、稳定性和连续性上都有较大的提升,该融合系统在当前的自动驾驶场景下有很高的应用价值。