车辆目标的检测与跟踪在军事和民用领域均有重要意义。在一些特殊场景下，红外图像中的算法表现出其局限性，如车辆静止且车辆红外辐射与环境相似时，较难通过红外灰度信息检测到车辆；如车辆被遮挡时，若红外算法无法提取目标完整轮廓，同样难以识别目标。本论文围绕上述问题，研究了激光成像车辆检测算法，以及激光算法与红外算法的复合，最后将算法实现在DSP上。论文主要研究如下：
　　针对激光图像上检测算法计算复杂度高的问题，研究了低时间复杂度、抗遮挡的激光成像车辆检测算法。算法首先建立地面距离模型，随后根据该距离模型进行基于高程滤波的多帧累积，最后对累积图像中的感兴趣区域进行目标识别。本文算法在地面距离模型建立阶段，利用按行直方图统计的方法降低了时间复杂度。此外，算法参数均在算法流程中自适应计算得到。实验结果表明，算法可以检测到不同距离、不同姿态下的车辆目标，并且对受遮挡目标也有较好的检测效果。
　　针对现有融合理论难以实际应用的问题，研究了基于D-S证据理论的融合算法，提出了一种易于实施的算法融合方式：在感兴趣区域，由原始算法概率型输出建立基本概率赋值(BPA)，之后进行后续的证据组合与决策。使用该方法，实现了激光检测算法与红外检测算法的融合，融合后的算法具备激光精确定位能力以及红外对纹理的识别能力；实现了跟踪算法与激光检测算法的融合，达到了跟踪框尺度更新的目的。实验结果表明，融合后的算法保留了元算法的优点，拓宽了算法的应用场景：在静止、受遮挡等场景上，融合算法达到96.55%的F1指数，高于单一红外算法的37.83%与单一激光算法的96.00%。
　　针对本系统多DSP并行、DSP与FPGA软硬件并行、FPGA内IP模块并行的特点，设计了一套稳定的底层DSP系统软件。DSP系统软件完成多并发中断处理、大规模底层通信等任务。在此之上，进行了算法的嵌入式移植，将复合检测与跟踪完整算法移植到DSP上。实验表明，DSP系统软件可以稳定运行，图像算法可以在其上实时运行。