在如今全球汽车保有量连年递增的情况下，交通安全问题已经成为了全社会的一个顽疾。近年来，智能交通被各国研究人员认为是解决这一问题的灵丹妙药。除了智能化的交通管理和协调，智能车辆也被视作是智能交通领域的主要组成部分。而要让智能车辆做出准确的行为决策，其前提就是必须正确的识别行驶环境，如道路和障碍物信息等。本文面向城市结构化道路环境，利用视觉和毫米波雷达传感器，对智能车辆的环境识别技术进行研究，涵盖了摄像机与雷达的标定、道路检测、前方车辆检测和导航软件系统开发等关键问题。　　首先，进行了单目摄像机与毫米波雷达的联合标定工作。在建立各参考坐标系的基础上，推导了各参考坐标系的几何关系，并利用OpenCv函数库进行了摄像机内外参数标定和毫米波雷达的标定，为道路检测和前方车辆检测工作奠定了基础。　　其次，对城市结构化道路的检测进行了研究。基于单目视觉的道路检测工作分为直线道路和曲线道路两种情况，直线道路采用了一种改进的Hough变换来对边缘图像进行直线拟合;弯曲道路采用了分布式双曲线对模型来进行曲线拟合。实验结果表明，以上算法对直线和弯曲道路都具有良好的拟合精度。　　然后，完成了前方车辆的检测工作。利用单目摄像机和毫米波雷达共同完成，视觉检测通过多图像特征的融合来确定车辆区域;雷达检测通过建立目标有效区域和设置累加器来筛选车辆目标，最后，通过将雷达目标投影到视觉图像对两种传感器的检测结果进行了融合。融合结果表明两种传感器弥补了各自的缺点，并以此提高了检测精度。　　最后，利用VC++6.0和OpebCv1.0设计开发了智能车辆自主导航控制系统软件。在建立系统整体构架的基础上，编写了多传感器数据融合的人机交互控制软件，并利用该软件进行了标定、道路检测和前方车辆检测实验。