近年来以机器学习和深度学习为代表的人工智能技术,在智能交通方向得到迅速的推广与发展。其中,自动驾驶技术作为智慧交通领域的核心主体,其重要性不言而喻。车辆环境感知技术是自动驾驶技术的关键环节,而目前主流的单一类别传感器感知方案,由于传感器本身的特性限制,在某些特殊场景下存在漏检问题,无法充分对车辆周围环境正确感知。而本文提出了一种基于环境规则与模糊自适应相结合的多传感器融合方法,用于提高车辆对周围环境的感知水平。首先,在一辆自动驾驶原型车上建立了由相机、激光雷达、毫米波雷达和组合惯导构成的多传感器环境感知试验平台。基于该平台,搭建了车辆感知的基础软件框架,介绍了自动驾驶汽车的决策规划系统、底层控制及日志交互等基本模块,为多传感器环境感知算法的研究提供了软硬件基础平台。其次,提出基于环境条件权重的自动驾驶车辆自适应多传感器融合算法。对本研究中所使用的多类型传感器进行了时间及空间的同步;然后分析不同环境下各个传感器对环境感知的权重,并以此建立概率空间知识库;基于知识库中的环境条件权重,多传感器自适应模糊融合算法,实现传感器检测输入与融合结果输出的非线性映射,并通过试验验证了该传感器融合算法的有效性。最后,基于环境条件权重的多传感器自适应融合得出的环境信息,建立车辆可行驶区域栅格地图;枚举了紧急避障场景、换道避障场景和全局规划场景三个典型局部场景,提出了基于成本函数的避障规划算法。该算法经过进行了道路试验验证,满足局部场景下避障的可靠性、平稳性和系统的实时性的要求。