智能交通系统(ITS)作为城市交通控制和人车控制系统可以有效地提高城市交通效率，减少汽车数量高速增长所带来的诸多交通安全问题，目前虽然还没有完整的ITS体系，但其中的城市交通控制体系已得到广泛使用，并成为国民生活的一个重要部分存在。ITS系统中的车辆防撞子系统有望在很大程度上减少交通事故所造成的损失，因而逐渐成为新的研究热点。车辆防撞系统中的首要环节就是利用传感器对前方车辆的运动状态进行探测以获得前方车辆的相关数据。现有的车辆防撞系统多使用单一种类的传感器来对目标进行探测，但是单一种类的传感器因为传感器本身的硬件限制而不能很准确且高效地探测目标。而多传感器数据融合可以综合多种传感器的优势来弥补各个传感器的不足或缺失，提高系统的准确性和可靠性，因而，近年来，多传感器数据融合技术越来越受到人们的关注。本文的主要内容正是将多传感器数据融合应用于汽车防撞检测，并研究如何将各个传感器所探测得到的数据有效且准确地融合起来供车辆防撞系统使用，主要工作如下：首先，多传感器数据融合的方法有很多，本文使用了最小二乘法和粒子滤波来对红外传感器和雷达所测得的数据进行融合处理和跟踪估计。首先对红外传感器和雷达所测得的数据进行预处理使之在时间上同步，然后使用最小二乘法和加权平均对两个传感器的数据进行融合处理，最后使用粒子滤波对其进行跟踪估计。文中对粒子滤波和卡尔曼滤波进行了仿真对比，仿真结果显示了在系统状态方程和观测方程都是非线性时粒子滤波的性能要优于扩展卡尔曼滤波。其次，由于各个汽车公司如何对驾驶员进行预警的方法均有不足之处，本文针对预警算法的设计这一车辆防撞系统中的另一个重要环节提出一种改进的算法，该算法可以使车辆对驾驶员的警告以一种持续的视觉反馈方式呈现，使驾驶员更直接地了解当前车辆和前方车辆的情况，并考虑到了在恶劣路面状况下如何使算法更有效地防止车辆的碰撞。