随着社会的发展与进步,汽车逐渐走进千家万户,使人民的日常交通越来越方便,但同时也带来了出行道路堵塞,安全事故日益增多等社会问题。在汽车电子信息化和人工智能技术快速发展的浪潮中,自动驾驶技术应运而生,能够智能规划出行路线,提高出行效率,避免司机人员的疲劳驾驶,提高了安全性。但是自动驾驶技术仍处于开发阶段,比如不能及时和准确的获取自动驾驶车辆周边环境中多个运动车辆的状态（如位置、速度）,车辆的线性控制技术还不成熟等诸多方面。自动驾驶技术主要包括建图、定位技术、感知技术、路径规划技术、决策技术、控制技术等。其中,感知技术的主要作用是在自动驾驶车辆行驶过程中,实时地对其周边环境中的多个静态和动态物体目标进行感知,跟踪它们与自动驾驶车辆之间的相对距离、相对速度等物理量。为了解决单传感器感知周边环境性能不足的缺陷,本文研究了基于多传感器融合的多运动目标追踪算法,可以更加实时和准确的对行驶中的自动驾驶车辆周围环境中的多个运动目标进行感知,估计出它们的运动学状态（如位置、速度等）。在研究的过程中,主要对基于传感器融合的多运动目标追踪算法中所涉及的运动目标观测、滤波、目标数据关联和航迹管理等算法进行了深入研究。首先,为了使用传感器更准确的测量自动驾驶车辆周围环境中的物体目标状态,本文对相机和毫米波雷达两种传感器对物体目标的观测数据进行处理的相关算法进行了深入分析,同时也研究了这两种传感器的固有坐标系之间的相互变换。为了解决多种传感器估计出物体目标状态可能会发生的冲突情况,本文将已有的针对周围环境中多个物体目标前融合和后融合算法相结合,提出了一种基于特征的多传感器融合方法,可以提高自动驾驶感知技术对周围环境中多个目标状态测量的准确性和实时性。其次,由于传感器的观测结果总是带有不确定性噪声,为了将自动驾驶车辆周围环境中的多个动态车辆目标状态估计的更加准确,需要采用相应的滤波算法来滤除多余的噪声。因此,本章研究了针对多传感器融合的多目标滤波算法,如线性条件下的卡尔曼滤波算法,非线性条件下的扩展和无迹卡尔曼滤波算法,最后针对某些场景下无迹卡尔曼滤波算法会产生发散的情况,提出了一种优化算法。最后,在基于多传感器融合的多目标滤波算法中,如果某时刻的传感器观测到的周围环境中的多个运动目标状态观测量和上一时刻滤波算法输出的多个目标状态滤波结果匹配错误的话,那么该滤波器就会很快发散,导致滤波出来的结果误差非常大。因此,本文针对这种问题相关的多目标数据关联和航迹管理算法进行了研究,结合数学上的二分图理论,提出了一种新的多运动目标数据关联方法,来提高多运动目标关联的性能。之后,本文设计了一套在自动驾驶中基于多传感器融合的多运动目标跟踪算法的软件架构,并在开源的nu Scenus实车测试数据集上进行了仿真验证分析,验证了算法的性能。