城市轨道交通的迅猛发展不仅改善了城市交通环境、便利了地区间交流,也促进了城市的经济建设,目前在城市轨道交通中也已经投入运营了全自动无人驾驶地铁列车,在该技术中障碍物的检测是实现全自动无人驾驶地铁发展的关键技术。本文基于深度学习理论,设计并实现了一种适用于无人驾驶地铁列车的主动环境感知的障碍物检测方法,通过实现视觉与激光雷达传感器的数据融合,最终完成对地铁列车前方障碍物的检测。本文主要工作如下:首先,本文采用实例分割算法完成对铁轨区域的识别与分割。该实例分割算法分通过CNN(Convolutional Neural Networks)网络对铁轨区域进行特征提取,在此基础上,应用分割算法对所提取特征进行处理,完成对铁轨区域的精准分割与识别;并且本文应用真实的城轨列车运行环境数据制作了用于进行网络训练的铁轨数据集。其次,本文通过多传感器数据融合技术实现障碍物检测。基于ROS(Robot Operating System)系统应用平面标定法完成对视觉传感器的标定;然后通过联合标定视觉传感器与激光雷达传感器,实现激光雷达传感器到视觉传感器的映射,完成多传感器的数据融合;实现数据融合后,应用目标识别算法,对列车行驶轨道区域进行障碍物检测,在检测到障碍物时进行预警。最后,根据本文所采用的方法以及地铁列车特点,设计了用于进行障碍物检测的实验平台。该实验平台中包括有硬件以及软件部分,硬件部分主要是对系统主机中主控板的设计;为了实现该系统整体功能,基于ROS系统编写了用于数据融合以及进行障碍物检测的上位机软件模块。通过实验验证,结果证明本文所提出的方法具有较高的鲁棒性,将对提升列车运行安全以及运输效率具有重要意义。