无人车驾驶系统是未来汽车发展的最终形式，利用感知系统代替驾驶员对交通环境进行感知，该系统利用不同传感器探测车辆及其周围的环境信息，为整个智能车行驶策略和路径规划提供依据。在智能车系统的感知层，主要依靠视觉和雷达协调工作获取环境信息。目前国内研究较多的主要利用视觉系统，而采用多传感器的研究相对较少，而且国外研究机构在这方面已经做了较多的研究。与多传感相比,采用单传感器具有如下不足：系统测量维度和置信度较低；系统可靠性差，性能不稳定；系统的资源利用率低。针对单一传感器在交通环境感知上的局限性，本文在借鉴国内外的智能车感知技术的基础上，利用多传感器对交通环境感知进行研究。在多传感器的交通环境感知系统中，包含毫米波雷达，激光雷达和视觉系统。利视觉系统检测车道线和行驶车辆；毫米波雷达能够提供中远检测目标的运动信息，包括车速、距离、相对本车的偏移角；激光雷达可以在其扫描平面获得近距离障碍物的轮廓。本文搭建了拥有多传感器的试验车辆，并开发智能车辆软件平台，基于此平台进行感知算法的研究。在激光雷达与毫米波雷达系统，本文研究通过CAN总线获取毫米波雷达数据并对数据进行滤波处理，通过串口通讯技术获取激光雷达的数据接收。将雷达系统安装在试验车辆，完成了对多个传感器之间的联合标定与坐标统一。实现基于雷达系统的交通环境描感知。本文利用视觉系统对道路中的车道线信息进行识别。从可靠性与实时性两方面对比分析当今基于图像处理技术的车道线检测方法，选取一种可靠性高、实时性好的车道线检测算法。并最终采用逐行阈值扫描对道路图像进行二值化处理，该算法能够抵抗道路噪声的干扰。并结合改进霍夫变换检测直线道路的标识线，利用上一帧图像检测的车道线设立感兴趣区域以减小霍夫变换算法的运算时间，同时提高可靠性与实时性。最终实现对交通环境车道线信息的感知。车辆检测是视觉系统的另一个重要作用。本文利用车辆底部阴影作为感兴趣区域，用canny算子提取二值化图像轮廓，采用矩形约束的方法对感兴趣区域进行合并和剔除，采用熵值计算感兴趣区域纹理复杂性，最后使用Robinson算子提取车辆轮廓。在连续图像序列中，采用经典卡尔曼滤波器对检测到的障碍物进行预测，该算法可提高车辆检测算法的稳定性，降低运算时间。通过试验表明，该算法能够稳定的跟踪车辆，并在车辆换道时也能保证不跟丢目标。实现利用视觉检测前方目标车辆的检测功能。在试验部分，研究了单目摄像机和双目摄像机系统标定，获取摄像机的内外参数。基于视差图利用双目视觉对障碍物的距离进行测量,可以得到物体在摄像机坐标系下的位置，即可通过坐标转换可得到在车辆坐标系下的位置。最后建立摄像机坐标系、雷达坐标系与车辆坐标系的转化模型。在图像上检测到的车道线中选取任意两点，可将车道线投影逆变换到车辆坐标系下。最终，将各个部分传感器检测的结果在同一鸟瞰图的形式下表达，实现利用多传感器对交通环境的描述。