近年来辅助驾驶与无人驾驶技术迅速发展,汽车环境感知是其中一个重要的研究方向。采用多传感器融合的方法进行车辆检测可以有效弥补单一传感器检测的不足,提高汽车驾驶的安全性。本文基于视觉与毫米波雷达融合的前方车辆检测方法,实现对前方车辆全面、直观的检测。本文工作主要有以下几点:1、利用改进的Adaboost算法实现了基于机器视觉的前方车辆检测。首先对传统的Adaboost算法进行了改进,根据样本的训练错误次数和分类器错误率,对训练样本权重进行约束,避免算法的过适应现象;然后根据改进的Adaboost算法结合Harr矩形特征训练级联分类器;最后对分类器性能进行了测试,结果显示改进后的分类算法具有更高的检测率。2、利用毫米波雷达对前方车辆目标进行检测。首先对雷达探测数据进行预处理得到前方目标的信息;然后根据数据特征对车辆目标进行选取,滤除数据中的空目标、低风险目标和干扰目标;最后根据预测值和测量值对选取的有效目标进行验证和优化处理,并对有效目标进行可视化。3、建立了机器视觉与毫米波雷达数据融合模型,模型包括空间融合和时间融合两部分。首先根据相机成像原理,建立雷达数据到图像像素的转换模型,从而实现了两种传感器数据的空间融合;然后根据两种传感器的工作频率确定了传感器数据时间融合方法;最后通过张正友标定法和四点标定法,对融合模型的参数进行了标定。4、搭建了机器视觉和毫米波雷达融合的检测平台。首先对雷达和相机等设备进行选型和安装并设计软件系统,对融合模型和检测方法进行实现;然后在真实驾驶环境下进行了实车实验,实验结果表明本文提出的融合方法具有较高的精度,搭建的融合检测系统相比于单一传感器检测系统,具有更高的检测率和稳定性,且具有良好的实时性。