智能驾驶系统是一个集“感知-通信-计算”于一体的复杂系统,其中感知是重要的一环。三维目标检测是智能驾驶感知中的核心任务之一。单一传感器获得的信息具有局限性,而随着传感器种类的增多,以及车联网等技术的发展,智能驾驶系统能够获得更丰富的环境信息。本文提出了多模态融合的车路协同目标检测框架,并基于此框架提出了两个算法分别从多模态融合和车路协同的角度来提升感知能力。在智能驾驶任务中常用到的相机和激光雷达两种传感器具有不同的特性,而目前的多模态融合方法有的受到级联计算带来的限制,无法融合互补的特性,有的容易受到多传感器的干扰影响。针对该问题,考虑到传感器模态的特点和三维目标检测的特性,本文提出了基于多模态融合的三维目标检测方法。其通过元融合模块,自适应地以激光雷达信息为主导,融合了多模态特征,减少了图像噪声的干扰。在KITTI数据集上的实验表明,本文提出的多模态融合三维目标检测方法在多个检测类别的评估中均提高了三维目标检测的平均精度。目前大多数的研究都基于单车感知进行,其难以处理遮挡以及超视距的场景。而在引入路侧的信息进行感知时,在一些复杂路口,单个路侧设备难以覆盖全部的场景,而目前缺少对路侧多传感器组的融合感知方法的研究。本文提出了基于车路协同的三维目标检测方法,在其中通过对路侧的多传感器组设备进行建模,提出了基于相关性的序列建模方法进行计算,最终通过车路协同模块进行融合。在CARLA数据集上的实验表明,本文提出的路侧融合感知方法在车辆和行人的三维目标检测平均精度比路侧单传感器的结果均有提升,并通过车路协同感知模块扩大了车辆的感知范围。