社会高速发展，道路交通系统不断涌现出诸多问题，使得智能交通系统（Intelligent Transport System，简称ITS）得到了广泛的关注。智能车辆是ITS的重要组成部分，是集环境感知、规划决策和辅助驾驶等功能于一体的综合智能系统，代表了未来车辆的发展方向，具有广阔的应用前景。　　 本文研究了智能车辆环境感知系统中的关键技术——车道检测和车辆识别。研究工作主要包括以下四个部分：传感器标定与配准、车道检测技术、本车定位和前方车辆识别。　　 首先，研究了传感器的标定与配准方法。基于考虑畸变的摄像机成像模型，对摄像机的内外参数进行了标定。在此基础上提出了一种摄像机与激光雷达的配准方法，该方法直接以激光雷达坐标系为世界坐标系，简化了摄像机坐标系与激光雷达坐标系之间的变换过程，经实验验证，配准结果准确可靠。　　 其次，提出了一种基于改进Hough变换的车道线检测方法。对于直道首先利用传统的Hough变换进行车道线初始定位，再利用改进的Hough变换进行车道线动态检测和跟踪，对于弯道使用基于样条曲线和控制点搜索的方法进行拟合。经大量的实验，证明该方法对各种路况下的车道线有较高的识别率。　　 再次，研究了本车定位的相关算法。利用摄像机的标定结果和逆透视变换原理，将识别得到的车道线由图像坐标系投影到车体坐标系中，得出车体坐标下的车道线参数，再求解出本车的偏航角及其与左右车道线的距离。　　 最后，提出了一种基于摄像机和激光雷达的前方车辆识别方法。首先采集激光雷达数据，并进行滤波和聚类处理，得出前方车辆的位置信息，实现车辆的初始定位；然后在初始区域内进行基于图像特征的车辆验证，以确定车辆的存在，排除干扰。　　 为了验证文中研究的算法，开发了系统实验平台，并进行了大量实验对系统中的各个功能模块及整体性能进行测试。结果表明，系统在不同的路况下具有良好的适应性和较好的抗干扰能力。