车载毫米波雷达是无人驾驶重要的传感器之一。相比与激光雷达、摄像头等其他常用的传感器相比,毫米波雷达具有受环境影响小,价格便宜,在汽车上容易隐藏的特点,具有广阔的运用前景。由于道路条件复杂,雷达回波中存在着较强的地面物体杂波,如何在杂波背景下对多个目标进行稳定跟踪是需要解决的问题,同时由于单个雷达传感器探测性能具有一定的时间和空间限制,多传感器融合技术是解决这个问题的关键技术。通过布置在汽车车身的多个传感器信息,可以提高目标的检测概率,扩大目标跟踪的范围,提高目标的跟踪精度。在无人驾驶中,车辆对自身定位是一个重要的问题,定位的准确性影响着车辆的决策,由于在雷达的回波数据中包含大量的环境中固定的目标点,利用这些固定目标点对车辆进行定位具有重要的意义,同时对环境进行构图是一个值得研究的问题,通过构建的环境地图,可以为汽车驾驶提供有用的决策信息。随着无人驾驶的快速发展,利用车载毫米波雷达进行环境感知和车辆定位成为了一个研究热点。如何充分利用车载毫米波雷达的输出点数据,对于回波数据点中的运动的人和车辆进行稳定的多目标跟踪,对于环境中的固定目标,进行车辆定位和环境构图是需要解决的问题。本文结合毫米波雷达的特点,研究毫米波雷达在环境感知和车辆定位方面的应用,主要的工作包括以下几个方面:首先,研究了基于概率数据关联的单传感器情况下的多个运动目标的稳定跟踪问题。在多目标跟踪中,数据关联是其中重要的一步。在概率数据互联的基础上,研究了引入航迹存在概率,并考虑航迹的联合集成概率数据关联的方法。算法将航迹的存在性问题建模为一阶马尔科夫过程,递归的计算航迹的存在概率,使航迹的确定和删除归入统一的处理。传统的数据关联的方法只考虑了关联的结果,没有考虑关联的质量,由于考虑了航迹的存在概率,航迹的关联质量也会影响着航迹的存在概率,有效地解决了这个问题。针对传统航迹起始的方法起始误差大的特点,提出了基于切向速度估计的航迹起始方法,方法基于相邻两个航迹点估计目标的切向速度,结合目标的径向速度信息对目标速度进行估计,有效的减小了航迹的状态的起始误差,减小了航迹状态收敛的时间。其次,由于单个传感器在时间和空间探测的局限性,通过多传感器融合的方法能够有效的解决这个问题,本文研究了集中式多传感器融合的方法,利用一个融合中心对布置在车身周围的六个雷达传感器的数据进行统一的处理,实现了目标的360度稳定跟踪,极大的提高了目标跟踪的覆盖范围和检测概率。最后,基于雷达数据中的环境固定目标点,进行车辆的定位和构图问题。在一些情况下,车辆并不能获取准确的GPS信息,这时候车辆只能依赖于惯性传感器。如果只通过惯性传感器对自车状态进行定位,会不断产生累积误差。我们利用了雷达数据中的固定点信息,通过对雷达数据的车道进行检测,在多帧之间进行扫描匹配,对车辆在环境中的位置进行定位。通过融合车辆自身的惯性传感器的信息,对环境进行构图,为无人驾驶的决策提供信息。