无人驾驶智能车辆从某种意义上说就是一种可以自主移动的智能机器人，它主要是由平台中安装的一些传感器来采集车辆在行驶过程中周围道路环境信息，通过对这些信息的处理而实现智能车的速度和转向控制，从而使智能车辆能够安全、可靠地在道路上达到无人驾驶的目的。本课题主要通过车载相机、激光扫描雷达等传感器实时采集周围的环境信息，为了很好地处理与分析采集的数据信息从而得出障碍物的具体位置与形状，本文提出了采用两种传感器数据融合的障碍物检测理论框架；建立了与之相关的计算模型，研究了如何提高计算效率从而达到高速实时地驱动控制单元，最终实现了无人驾驶智能车成功避开障碍物的研究目的。本论文主要包括以下研究内容：(1)根据无人驾驶智能车对目标障碍物检测的要求，确定并搭建了无人驾驶智能车系统平台；对各种传感器的选型进行了分析和比较，设计了本文中障碍物检测的雷达和车载相机处理模块；实现了数据的实时采集与处理、障碍物目标检测以及多传感器之间的数据融合等功能。(2)为了实现对障碍物目标的检测与识别，在智能车系统中建立了三个坐标系即：世界坐标系、图像坐标系、传感器坐标系，世界坐标系是确定空间中物体的相对位置。为了将空间中的障碍物具体信息反映到雷达与相机采集的数据信息中，本文中还给出了三个坐标系之间的转化关系，并分别对激光雷达和相机进行了标定算法研究。另外提出了雷达与相机采集数据进行处理的算法，并通过具体数据进行了算法的验证。(3)激光雷达采集的数据虽然能够提供精确的障碍物距离但无法得到障碍物的具体形状特，通过相机采集的图像虽然能提供障碍物的具体形状但是无法判断距离。本文首先通过雷达与相机采集数据，将数据进行预处理；通过激光雷达采集的数据判断出障碍物所在的区域，结合相机采集的图像信息，提取感兴区域识别得到的具体位置，最终检测出障碍物目标，实现无人驾驶智能车自主绕开障碍物，达到安全稳定行驶的目的。