目前无人驾驶车辆技术是交通运输领域的前沿和热点。它通过先进的传感器系统、信息处理系统和执行系统等对周围环境、车辆自身状态进行监控,从而代替驾驶员完成各项操作。而车辆导航系统作为无人驾驶汽车最为重要模块之一,能够指引车辆如何从起始点高效地到达目的地。前车检测和车辆定位模块则是该系统的重要组成部分。本文在分析总结现有车辆检测、定位技术的基础上,从多传感器数据融合的角度,对现有的技术进行改进。主要工作如下:(1)基于毫米波雷达和机器视觉数据融合的前车检测该系统首先对毫米波雷达和视觉传感器进行组合标定,确定雷达坐标系和摄像头像素坐标系的换算关系。对前方目标进行检测中,首先获取过滤后的目标雷达信息,并在图像中形成感兴趣区域;然后提取感兴趣区域中的阴影特征;最后根据两坐标系的转换关系计算车辆的宽度,并根据车宽对检测结果进行进一步验证。结果表明,该算法在诸多环境下均具有良好的检测效果,能弥补单一传感器的不足。(2)基于GPS和VANET数据融合的车辆定位本文提出一种基于贝叶斯理论的车辆组合定位方法,融合GPS数据和来自VANET的车间相对距离、方位角信息,以减少GPS传感器的噪声;进而利用卡尔曼滤波结合车辆运动学方程获取车辆位置及其运动轨迹。并以定位精度和计算负担为指标,确定了最合适的用于组合定位的邻车数量。为了验证该定位算法的可行性和鲁棒性,经多实验场景下的仿真实验,结果表明:该定位算法具有良好的可行性、鲁棒性,且具有较高的定位精度,能满足智能车辆的定位要求。