随着机场客运、货运日趋繁忙,保持机场高效运营越来越复杂,而无人驾驶车辆作为解决方案之一,国内外民航机场对其需求和接受度也在逐渐提升。本文对机场环境下特种车辆多传感器融合的可通行区域检测方法开展研究,搭建多传感器实验平台并设计验证了障碍物检测与可通行区域提取算法,为实现航空地面特种车辆智能化奠定了一定的基础。围绕机场车辆可通行区域检测技术,本文主要做了以下研究:首先,研究了基于激光点云的可通行区域提取方法。在完成点云预处理和地面分割的基础上,使用改进DBSCAN算法对非地面障碍物点聚类,并用不同颜色对障碍物进行簇标记。对于地面点,使用相邻点云间距算法对地面点进行可通行区域提取,最后合并非地面点障碍物检测和地面点可通行区域提取结果,得到最终基于激光点云的可通行区域提取结果。其次,研究了基于迁移学习模型的障碍物检测方法。针对机场场景地面障碍物小目标问题,结合迁移学习相关概念建立迁移学习模型,以Inceptionv3作为源域模型,机场地面场景作为目标域,完成基于视觉的机场地面障碍物检测。再次,构建了多传感器融合模型,实现不同传感器数据对监测环境的统一表达。求得相机内参矩阵以及激光雷达和相机之间的外参矩阵,完成多传感器空间融合,以激光雷达时间戳为基准完成多传感器时间融合,获得多传感器的时空融合。最后,使用可通行区域检测车辆平台,采用三维激光雷达和相机进行可通行区域检测实验。实验结果表明,针对航空地面特种车辆可通行区域检测问题,在实现单一传感器的障碍物检测和可通行区域提取的前提下,对两种不同的传感器进行标定,可以完成多传感器融合的可通行区域,相比于基于单一传感器的可通行区域检测,多传感器融合的方法有更高的准确率。