最近几年,车辆自组织网络(VANET)在高速公路场景及城市拥挤交通环境下发挥出了巨大的研究价值和应用能力。它是自组织的、开放的车辆间通信网络,目前广泛应用在车辆跟踪、交通疏导、路况检测等领域。其网络路由协议需满足车辆速度快、拓扑变化频繁、车辆节点数量大等要求。除此之外,为了提高车辆目标的定位精度,多车、多传感器数据融合便是其中一种重要方式,期待由此提高在不同行车环境下的安全性和有效性。由于单一传感器测量精度偏低并且具有一定的局限性,本文基于VANET网络,给出了一种多车多传感器卡尔曼融合算法,经建模并仿真后证明该方法能提高定位精度。论文首先介绍了VANET和目标定位,描述了车载自组网特点、技术、路由协议和目标定位方法,给出了算法的应用场景模型,分析了定位算法的性能以及网络参数对测距误差的影响,介绍了简单的红外图像处理过程、几种图像测距技术及其性能,为后面算法的给出提供基础。然后本文给出了一种改进的车辆目标定位算法:卡尔曼多车融合算法。它是基于单车GPS、图像测距的卡尔曼滤波融合算法以及多车之间的卡尔曼融合算法,将该算法组合在一起使用共同改善VANET下的目标定位精度。本文基于测距和误差分析,对所提算法建立了相应的数学模型,在对应用场景和网络性能进行合理假设之后用MATLAB进行了相关仿真验证。对所提算法与图像测距算法及单车卡尔曼融合等其它算法进行比较,证明所提算法在提高车辆目标定位精度上的有效性。最后总结了论文的内容,对未来VANET目标定位中可能出现的问题以及瓶颈进行了展望,并给出了相关的解决观点。