感知能力不足已成为制约智能汽车发展的关键瓶颈,精确实时地感知汽车周围的路况,是智能汽车控制决策的前提。考虑到阴雨天、雨雪和暴风等复杂天气条件,单个传感器无法满足对周围环境的精确识别。因此,多传感器数据融合技术成为智能辅助驾驶研究的热门方向。本文主要研究智能驾驶毫米波雷达和摄像头传感器的信号融合,并通过数据融合获得更加精确的有效目标数据实现定点行驶等功能。主要包括Radar和Camera单个传感器原始信号的预处理、目标物体数据融合和最危险目标的筛选,最后建立控制模型实现碰撞预警和定点行驶功能进行实际项目的应用。主要工作如下:（1）原始数据预处理主要研究Radar和Camera原始信号的预处理。对于Radar,首先通过设定合理横纵向阈值筛选有效目标,结合基于实时信息改变的干扰信息检测方法和搭建去除噪声模型,进行干扰噪声的检测与剔除。对Camera采用改进的GNN数据关联的方法,根据实时的需求动态调整关联阈值,提高Camera感知信息与实际目标匹配精度。试验验证表明:通过对Radar和Camera原始信号的预处理,可以筛选出更加精确的有效目标,剔除了不可信的干扰信号。（2）目标物体数据融合在对同一目标物体数据融合的过程中,由于Radar与Camera采集数据的频率和参考坐标系不同,首先需要对Radar与Camera采集的数据进行时空配准,然后通过数据的关联匹配和基于权重系数的线性组合进行数据的融合,并通过融合目标的跟踪,进而确保实时输出精度较高的融合目标信息。（3）最危险目标的筛选通过设定主车横向与纵向合理阈值,划定主车前方有效区域,在有效区域内筛选出最危险目标。（4）仿真平台的搭建借用Prescan仿真软件搭建直道、上下坡和其它车辆驶入主车车道等虚拟场景工况,进行仿真验证分析本文提出的多传感器数据融合算法。（5）实车验证基于视觉和雷达融合输出的有效目标信息,建立碰撞预警和定点行驶控制模型,进而实现主车的防碰撞预警和定点行驶等功能。试验验证表明,通过Radar和Camera数据融合,解决了单传感器识别目标丢失、漏检等问题,实现了对环境目标的精确识别。