随着智能汽车自动驾驶技术的高速发展,对于环境感知技术的功能需求和设计要求也在不断提升在智能汽车中,环境感知设备显然必不可少,这其中,毫米波雷达和视觉传感器扮演着重要的角色。而充分运用毫米波雷达采集的电磁信息和视觉传感器所采集的图像信息,特别是两者信息有效融合,是当前智能汽车环境感知技术中的重要研究内容之一。毫米波雷达传感器是一种主动探测类传感器,它可通过发射电磁波并接收电磁回波信号,借助相应的信号处理技术,从而可实时检测、获取运动目标的位置、速度等状态参数信息,但相对来说信息量偏少。但由于图像信息过于丰富,在分析中存在实时性偏弱等问题因此,如何融合毫米波雷达提供的实时信息和视觉传感器提供的丰富图像信息,实现对汽车行驶周围环境中运动目标状态的持续估计,逐渐成为智能汽车环境感知技术中的一项热点和关键问题。本文通过分析智能汽车在城市环境车辆行驶特点,选择跟踪滤波器,设计数据关联方法,针对目标跟踪选择融合结构,设计针对毫米波雷达和单目摄像头的信息融合算法,进而实现复杂环境下对车辆目标的跟踪。本文围绕雷达-视觉集成控制器进行了相关研究和算法设计,主要研究内容包括以下几个方面:首先,本文对目标跟踪基本理论进行了相关研究。一方面对贝叶斯、卡尔曼、扩展卡尔曼和不敏卡尔曼等典型滤波技术进行了相关研究,另一方面自适应目标跟踪方法和机动目标跟踪方法进行了比较分析,此外还对数据关联技术进行了研讨。针对城市环境中运动目标数量多、机动性强等特点,确定本文采用扩展卡尔曼滤波技术、交互多模型目标跟踪方法和全局最近邻数据关联算法,为雷达-视觉集成控制器跟踪算法设计提供理论依据。接着,本文对多传感器融合的基本理论进行了相关研究。通过对美国JDL所提的数据融合框架,理解数据融合的处理流程及主要内容,并对典型数据融合方式和典型数据融合结构进行比较分析,针对雷达信息和视觉信息特点,提出了一种序贯融合方法,相比于采用单一传感器的目标跟踪,可得到更为准确的目标状态估计值,从而为雷达-视觉集成控制的软件设计奠定算法前提。然后,本文进行了了雷达-视觉集成控制器的软件设计。依据城市环境中汽车的行驶特点,采用交互式多模型跟踪方法,建立了静止运动模型、匀速直线运动模型和加速/转向运动模型的状态方程,以及雷达和视觉传感器的观测方程,构建运动目标的系统模型,同时确定了包括含交互融合模块、条件滤波模块、模型概率模块、输出融合模块以及量测预测模块等在内的雷达-视觉集成控制器的总体架构,并对跟踪滤波模块、雷达量测数据关联模块和视觉数据关联模块进行算法设计,利用雷达信息和视觉信息实现了对运动目标的跟踪融合。最后,本文对雷达-视觉集成控制器软件进行了仿真研究。运用MATLAB仿真平台,构建了相关仿真模型,并针对城市环境中的运动目标特性确定了仿真工况,进而对变速直线机动目标、转向机动目标和杂波环境下多目标等典型工况下的目标跟踪进行了仿真分析,验证了雷达-视觉集成控制器软件算法的可行性和有效性。通过本文的研究,实现了雷达-视觉的信息融合,实现对运动目标状态的跟踪,对于智能汽车自主行驶的环境定位、路径规划以及行驶控制提供了必要的目标运动状态信息,为雷达-视觉集成控制器的研究做了基础性工作,对于智能汽车环境感知技术也有一定的理论和参考价值。