近年来,汽车智能辅助驾驶系统的应用研究发展十分迅速,其中感知车辆前方的外界环境信息,尤其是感知道路区域中的车辆成为重要的研究方向之一。准确实时的识别和获取前方车辆的状态信息,可以为汽车辅助驾驶系统和主动安全系统的开发提供有力的技术支撑。本文使用毫米波雷达与机器视觉两种传感器融合的环境感知方案,识别道路区域中的前方车辆,并获取其位置信息。首先分析毫米波雷达采集的原始数据,使用目标分层识别算法对原始数据分类,并基于卡尔曼滤波算法对前方车辆目标进行筛选识别;然后,基于深度学习算法,对机器视觉采集的图像信息同时进行车辆识别与道路区域分割;最后,通过对传感器的位置和参数进行标定,确立毫米波雷达与机器视觉在空间上的坐标映射关系,将毫米波雷达获得的车辆距离信息映射到图像上,融合深度学习的车辆识别结果,获取前方车辆的位置和状态信息。主要研究内容和结论如下:(1)基于毫米波雷达的前方车辆识别算法研究。为了确定前方目标的有效性,首先对毫米波雷达采集的原始数据进行初步筛选,基于分层目标识别算法提取有效目标的数据,确定道路区域前方有效目标的空间距离与状态信息。(2)基于深度学习的前方车辆识别研究。对于机器视觉传感器采集的前方道路信息,设计了基于深度学习的并行任务车辆检测方法,同时综合车辆检测识别和图像语义分割的道路区域提取,结果表明该方法具有较好的识别效果。(3)毫米波雷达与机器视觉信息的融合算法研究。本文通过实车实验,对毫米波雷达和机器视觉传感器的位置与参数进行标定,确立了毫米波雷达与机器视觉在空间上的坐标映射关系,通过向下兼容的方式保证传感器数据在时间上同步。结果表明,基于深度学习算法能有效识别前方车辆并分割出道路区域,根据坐标映射关系将毫米波雷达数据提取的前车距离映射到图像上,通过实车测试,融合算法具有良好的准确性。