随着现代车辆工业的不断发展,车辆的智能化发展迅速,各种智能汽车被不断推出,随之兴起的辅助驾驶甚至是智能驾驶日益成为智能汽车的一项重要能力,也是智能汽车能够从根本上避免出现交通事故的原因所在。环境感知作为智能汽车实现自动驾驶的前提,是智能驾驶环境感知、路径规划和决策控制三大核心模块中最基础的模块。同时环境感知模块能否准确获取到环境中的各种信息,其直接关系到智能驾驶功能最重要的安全性问题,也是决定搭载智能驾驶功能的智能汽车能否实际参与到交通中的关键。本文使用相机和激光雷达传感器,实现对环境中的各种目标进行探测识别。面对两种传感器由于物理硬件原因而存在的自身固有特性,特别是相机在雨天、夜晚的复杂环境下获取的图像质量低下会导致对目标识别的准确率下降。通过设计适用于不同环境的两种传感器决策层融合方法,弥补了两种传感器的固有不足,提高了其对不同环境中信息获取的准确率。本文主要研究内容如下:（1）基于图像的目标检测算法设计。本文设计了一种适用于不同环境的基于注意力机制的目标检测算法,首先使用图像增强算法对在雨天、夜晚的复杂环境下获取的低质量图像进行图像增强以提高图像质量。然后在基于YOLOv5的基础上对目标检测算法进行设计,从骨干特征提取网络、加强特征提取网络、注意力机制和损失函数对目标检测算法进行设计。最后通过对nu Scenes数据集标注框进行聚类得到适用于检测目标的锚框尺寸,并使用nu Scenes数据集对目标检测算法进行训练和测试。（2）基于激光雷达点云的目标检测算法设计。本文首先采取点云感兴趣区域提取、点云滤波和点云地面点去除对原始点云进行预处理,从而去除大量无用点和噪声点。其次基于PV-RCNN进行点云目标检测网络设计,从网络总体结构、点云特征提取及区域建议网络、感兴趣区域网格池化及输出检测层和损失函数对算法进行设计。最后使用nu Scenes数据集创建的数据集对点云目标检测网络进行训练和测试。（3）多传感器决策层融合算法设计。首先通过对相机和激光雷达传感器进行联合标定,获得坐标系转换关系,将基于激光雷达点云的目标检测得到的三维检测框投影到图像并转换为二维检测框。其次使用KM目标匹配算法对两个传感器检测结果进行目标最优匹配。然后根据是在良好环境或复杂环境中,采取不同的目标置信度融合修正方法,获得最终的目标置信度。最后对完成匹配的目标,根据由相机和激光雷达传感器检测输出的两个检测框的交并比,融合输出最终的目标检测框。