随着我国经济的发展,人们的生活水平不断提高,我国的汽车保有量也得到大幅提升,而随之带来的是不可忽视的车辆行驶安全问题。近年来汽车的智能化逐渐得到广泛的关注,这为车辆的行驶安全问题的解决带来新的转机,汽车可以通过集成在车身上的传感器来实现对行驶环境的感知。本文以智能驾驶中的激光雷达和相机作为基础,研究了激光雷达与相机的传感器联合标定方法与数据融合方法,以及融合数据在障碍物检测与障碍物跟踪方面的应用,可以使车辆能够更好的感知周围行驶环境中的障碍物,提高驾乘人员与交通参与者的出行安全性。此外本文选用了新兴的非重复扫描式激光雷达作为研究基础之一,利用其低成本且视场覆盖率高的特点采集了较为密集的前向点云数据用于本文的研究。本文的主要研究内容如下:（1）研究了激光雷达以及相机传感器的标定方法,对相机模型、相机畸变校正方法、激光雷达与相机的联合标定方法进行了研究,实现激光雷达与相机在空间上的标定与时间上的同步,并且分析了使用不同尺寸的标定板对传感器联合标定带来的影响。（2）利用传感器标定参数,提出了基于坐标投影变换的多传感器信息融合算法。首先针对相机与激光雷达的视场角不同带来的部分点云冗余问题,提出了一种基于视场角的激光雷达点云数据匹配裁剪算法,滤去融合过程中不必要的数据点。然后针对点云数据与图像数据的融合问题,提出了使用传感器联合标定参数将三维空间点云数据映射到二维空间的算法,使其与二维相机图像数据形成坐标映射。最后将能够与相机图像形成映射的点云数据进行信息融合,以此实现获得激光雷达与相机传感器的融合数据。（3）根据融合数据进行障碍物检测工作,提高基于传统方法的障碍物检测准确度。首先针对激光雷达的点云密度问题,提出了一种点云数据多帧融合算法以提高点云数据的密集程度。接着研究了基于网格化地面最低点高度差的地面分割算法,以过滤剔除不需要的地面点。然后针对障碍物的聚类问题,改进了传统的基于欧式距离的聚类算法,利用融合数据中的颜色信息,在欧式聚类的基础上进行了颜色空间的边缘噪声点过滤工作,以获得更准确的障碍物尺寸数据。最后针对障碍物分类问题,结合障碍物的尺寸特征,提出了一种基于障碍物特征投票的分类算法,完成对障碍物的分类工作。（4）根据融合数据进行障碍物跟踪工作,结合卡尔曼滤波算法实现对障碍物的轨迹跟踪。针对障碍物数据的关联匹配问题,提出了一种基于融合数据的障碍物数据关联算法,以此完成卡尔曼滤波器与障碍物数据的匹配。实验结果表明,本文提出的传感器信息融合算法能够很好的融合激光雷达点云数据与相机图像数据,使两个传感器之间形成优势互补,利用融合数据进行的障碍物检测工作可以获得更准确的障碍物信息,能够为智能驾驶中的上层应用带来提升。