随着我国汽车保有量的提高以及交通压力日益严峻,夜间行车安全成为社会广泛关注和研究的重点。对夜间行驶车辆进行有效检测,通过传感器获取全面的前车信息,从而实现汽车碰撞提前预警和智能远光照射,是保障夜间行驶安全的基本前提。但是不同传感器具有各自的性能特点,利用单一类型传感器无法完全满足对环境感知的需求。而基于信息融合的方法可以实现传感器间的优势互补,大幅提高检测的准确性和可靠性。因此,提出一种基于信息融合的夜间行驶车辆检测算法,分别利用毫米波雷达和视觉传感器对夜间前方车辆进行检测。并在此基础上,设计目标匹配算法来对单一传感器的检测结果进行关联,为夜间行车安全提供全面可靠的信息。本文的主要研究内容如下:首先,设计基于毫米波雷达的有效车辆目标初选算法。在完成毫米波雷达的选型工作和数据解析的基础上,针对毫米波雷达可能输出不可靠目标的问题,提出了基于毫米波雷达的有效车辆目标初选算法。实验证明,该算法能够充分滤除无关目标,实现有效车辆目标初选。其次,设计基于视觉的目标检测算法。从不同状态车辆受远光灯照射的影响和危险等级不同的角度出发,对139个连续场景构建了包含12种目标类别的夜间行车道路数据集。出于对实时性的考虑,选取YOLOv5l作为基准目标检测网络。为了进一步提高目标检测的性能,利用智能数据重采样方法来增强训练数据,改善自建数据集类别不均衡问题;并采用共享卷积对YOLOv5的头部进行改进,解决因数据尺度不均衡而导致其部分头部不能得到充分训练的问题;同时,为解决原版mosaic数据增强算法导致的目标标签与目标特征不一致问题,提出了无损mosaic数据增强算法。综合上述方法,改进后的YOLOv5在验证集上的m AP@0.5提升了5.7%,有效地提高了基于视觉的车辆检测效果。然后,设计基于信息融合的车辆远光屏蔽角求解方法。通过对远光屏蔽角进行定义,确定了非远光照射区域。同时,根据坐标系转换关系实现毫米波雷达和视觉传感器的空间统一,并采用最小公倍数采样周期实现时间统一。接着分别设计了基于毫米波雷达和基于视觉信息的远光屏蔽角求解方法,并根据毫米波雷达在像素平面上的投影点与视觉检测所得目标的位置关系制定目标匹配算法,将不同传感器的检测结果进行关联,实现基于信息融合的远光屏蔽角求解,为前方目标车辆赋予更加全面的状态信息。最后,综合上述设计了基于信息融合的夜间行驶车辆检测算法,并对毫米波雷达、视觉传感器和计算平台进行选型,搭建了集成毫米波雷达和视觉传感器的夜间行驶车辆检测系统。利用真实的道路交通场景对提出的基于信息融合的夜间行驶车辆检测算法进行验证。实验结果证明,在夜间交通场景下,本文设计的检测算法不仅能有效地获取前方行驶车辆的全面状态信息,而且可以有效地减少单独使用毫米波雷达检测产生的漏检现象以及单独使用视觉检测产生的误检现象。