车路协同系统具有提高道路通行效率、降低事故发生率的巨大潜力,已成为国家交通行业建设的重要组成部分。道路感知作为车路协同系统的核心,承担着利用多传感器融合探知道路信息,实现快速掌握动态交通环境的重要任务。车辆检测与跟踪技术是道路感知的一个重要组成部分,其利用智能设备采集道路信息进行智能化分析,为交通管理提供决策依据。如何利用多传感器信息来设计智能化算法对实际道路中车辆进行精准感知及跟踪,是本文主要研究内容。当前已有部分研究人员利用多传感器对车辆检测及跟踪技术展开研究。然而,现有研究工作存在以下不足:1)现有多传感器融合检测方法存在高漏检现象,无法满足车路协同等场景对漏检要求较高的需求;2)现有多传感器融合跟踪方法无法解决车辆目标未知以及车辆目标突然出现或消失问题。针对以上问题,本文对多传感器融合下车辆目标检测及跟踪的相关技术进行深入探索,提出了基于粗、细颗粒度融合的车辆检测方法与基于PMBM滤波器的车辆跟踪方法,降低了车辆检测中存在的漏检以及提高了车辆跟踪的鲁棒性。本文主要工作以及研究内容如下:（1）雷达与相机的时空标定方法本文研究了雷达与相机在时间与空间上标定原理。在时间维度上,提出以毫米波雷达采样周期为融合时刻并结合多线程技术的对准方法,来完成毫米波雷达与相机数据在时间上的对准工作;在空间维度上,详细推导路侧下雷达数据映射到像素坐标系下的转换公式,完成雷达与相机数据之间的空间转换工作,并采用张正友法求取实际的相机标定参数,为研究雷达与相机融合的车辆检测与跟踪方法奠定了基础。（2）基于粗细粒度融合的车辆检测方法本文研究了基于背景建模的视觉方法与雷达融合的检测方法。针对车辆检测过程中存在的车辆漏检现象,提出一种粗、细颗粒度融合检测方法,结合梯度直方图和支持向量机技术对融合后得到的车辆检测框进行修正。经实验验证,相比于基于背景建模方法与雷达的融合方法,本文提出的方法在检测正确率以及漏检率两个方面分别提高和降低了2.48%;相比于基于背景建模的视觉方法,所提方法在正确率以及漏检率两个方面也分别提高和降低了12.35%。（3）基于PMBM滤波器的车辆跟踪方法本文研究了基于PMBM滤波器的跟踪算法。在多传感器框架下,针对传统数据关联方法中雷达与相机数据存在的误关联问题,结合全局最邻近方法提出雷达与相机融合关联策略,减少了雷达与相机数据误关联的发生;针对传统跟踪方法难以处理未知目标数量、目标突然出现或消失问题,将融合关联策略与PMBM滤波器算法结合提出基于雷达与相机融合关联策略的PMBM车辆跟踪方法,有效支撑车辆数目未知以及车辆目标突然出现或消失情况下目标跟踪问题的解决。实验验证表明,在GOSPA度量方法下本文提出的方法相比GM-PHD跟踪算法在GOSPA值上平均减少34.96,有效提高了车辆跟踪的鲁棒性。基于上述研究的技术和方法,本文结合实际摄像头以及雷达硬件设备,设计并实现基于多传感器融合的道路监控系统。实验结果证明,本文提出的方法能够利用雷达与相机融合信息对车辆进行有效检测与跟踪,验证了本文提出方法的可行性。