随着国民经济总量高速增长,交通道路规模及车辆数量也呈现出陡增的趋势,增加了交通意外发生的风险,从而对群众的生命财产安全带来威胁,因此进行有效的交通监测显得十分重要。交通监测中通常需要获取的信息包括交通场景环境,车辆外形,速度,位置等特征。在常见的交通监测传感器中,光学摄像头可以有效捕获目标的外形、数量等特征,但是由于光学传感器工作特性使其容易受到天气光照等环境因素的干扰,且难以准确测量车辆距离和速度。而毫米波雷达作为一种微波探测传感器,在环境适应性及测速测距上具有优势。但毫米波雷达也存在无法获取目标外形及易受多径杂波影响等弊端。因此需要将两种异构传感器数据融合使用,起到优势互补的作用。然而由于不同传感器的数据体制不同,导致数据特性存在差异,要解决两个传感器之间的时间、空间统一误差建模及坐标转换参数估计问题。此外,各传感器独立测量,误差特性及目标检测的分布不同,要解决目标新生、死亡、虚警及漏检状态各异条件下的目标关联问题。因此本文开展了面向交通监测的毫米波雷达与摄像头联合标定及关联方法研究,具体的研究工作如下:（1）现有毫米波雷达与光学摄像头标定方法需要先分别对两个传感器本身进行标定,再进行传感器之间的联合标定。分步标定需要设计不同的标定场景与实验,导致整个标定过程变得繁琐并且容易引入过程误差。本文提出了一种基于单应性变换的毫米波雷达与摄像头标定方法。该方法将两个标定过程转换为一个单应性变换矩阵估计问题,在两个传感器中分别提取对应于同一个定标物体的坐标作为求解矩阵的条件,从而直接计算出转换关系。经过不同场景的实际雷达、摄像头采集实验,验证该方法可以正确解算出传感器间的转换关系,平均误差约为1.4个像素。（2）由于在基于单应性矩阵变换的标定过程中需要在传感器公共视场中设置不同数量及位置的定标物,定标物摆放的空间构型及数量差异会对标定的误差产生影响。因此本文构建了基于单应性矩阵变换的误差模型,通过实验分析定标物空间构型以及数量对标定误差的影响,并形成标定方案设计方法。（3）在完成标定后,可将毫米波雷达坐标系下采集的目标数据通过单应性矩阵转换到视频像素坐标系中。针对两个传感器目标检测数量不一致的问题,本文采用匈牙利匹配算法对同一帧中的毫米波雷达目标与摄像头目标进行关联,然后将同一目标的雷达测量速度,位置信息赋予摄像头中对应的目标,并通过实际采集数据验证了关联方法的有效性。