当前随着无人驾驶技术的迅猛发展,环境感知作为无人驾驶的关键技术之一,是通过感知传感器与车载控制中心相结合从而获取目标物体。本文基于辽宁省教育厅科技大平台项目（JP2017006）,利用激光雷达传感器与视觉摄像头采集数据,通过对采集数据预处理获得所需数据,并利用MV3D数据融合算法对平直路面的目标物体进行融合检测,并对算法进行验证分析。其中,本文利用实时性较高的YOLOv3目标检测算法对目标进行训练分类,提高融合过程中目标检测类别的效率。研究具体内容如下:（1）对数据融合进行总体分析,包括多传感器的系统组成、图像数据滤波去躁处理以及激光雷达点云数据处理等预处理操作,为后续多传感器数据融合奠定基础。（2）本文利用了YOLOv3目标检测算法,通过对该算法的训练识别本文所需的目标种类并对物体进行检测,验证该算法,能够确保行驶过程中对前方车辆检测的实时准确性。（3）对视觉传感器内、外参标定以及多传感器联合标定,实现雷达坐标系与像素坐标系相关转换、雷达点云数据校准,同时完成激光雷达和摄像头时间、空间融合,并进行融合后的坐标校正确保时间戳一致。采用MV3D三维目标检测作为本文多传感器融合框架进行数据融合,将预处理后的数据输入该融合算法中进行车辆距离、位置等识别。该方法将低维映射即点云鸟瞰图用高度精确的3D候选框表示出来,从多个视图投影进行特征提取,实现精确的识别与3D框输出从而进行优化分析。（4）搭建实车验证平台进行实车验证分析。本文基于改装后的中华V3实验车完成无人驾驶实验平台的搭建,调试安装激光雷达传感器与视觉传感器的位置,做好测试调整优化。先对校园主干路段进行数据包采集,并利用该数据包信息在第九教学楼进行物体移动状态下该融合算法的实时检测性能测试分析,并利用测量工具与算法检测距离进行对比,为室外实车验证分析做好准备。（5）对调试完成的算法进行实车验证,本文按照国家标准设定多种实验工况对前方车辆进行检测,实验测试过程中,采用该融合方案检测识别效果与单一传感器相比更具较高的检测速度和精确度,能够在真实场景中进行实时检测前方车辆的目标以及距离等信息,检测结果有效。