现如今,随着社会的跨越式发展,我国人民保有的汽车量在不断增长。无人驾驶技术蓬勃发展,许多驾驶辅助功能被研发用来减少因汽车问题引发的车祸及其他危险。在全球范围内,道路安全问题是许多学者研究的重点问题,尤其是车辆碰撞问题,需要一种高效的方法进行解决,在满足软件系统精度要求的前提基础上,不断提高控制系统的实时性,进而减少系统的响应时间,最终提高车辆的行驶安全性。目前基于图像的目标检测算法已经非常成熟,但基于传感器融合数据关联的检测算法还有待提高。本文将采用当下主流的基于图像的目标物类别检测算法,提出一种新型的激光点云地面点分离算法及后续改进的聚类算法并与传统方法进行比较,对算法性能进行了改进;结合摄像头数据与激光雷达数据对感知结果进行融合,进而对算法的高效性进行分析和验证;最后文本对无人车系统进行了设计,在所设计的无人车软硬件系统的基础上,对本文设计的融合算法与防撞预警子模块进行了仿真与实车验证。本文的主要内容如下:第一章介绍了面向多传感器融合的无人车防撞预警系统的研究意义与国内外研究现状,提出了本文涉及到的主要内容,并对本文中涉及的具体技术路线进行了简要的概述。第二章对基于图像的目标物类别感知系统与基于激光点云的目标物状态感知系统涉及的理论进行了论述,并结合核相关滤波算法与神经网络模型对推理速度进行了一定的提升;本文提出了一种基于垂直线的激光点云地面点分离算法,并与两种传统算法进行了对比分析,这两种方法分别是基于随机采样一致性的地面点分离算法和基于地平面拟合的地面点分离算法。通过对比验证了本文提出的算法的有效性与高效性;通过改进传统欧式聚类算法对非地面点进行聚类,进而对目标物中心点及其状态进行估计。第三章在第二章的基础上进行特征级数据融合,融合的对象是摄像头数据与激光雷达数据,分别对时间与空间进行对齐与同步;对传感器坐标系的内参及其刚体变换进行了推导,进而将点云、图像、整车坐标系进行了统一,进而对目标物进行了关联匹配;最后设计了基于碰撞时间的预警系统模型,目的是对上述的感知系统进行验证,并对整个系统进行了论述。第四章中,利用上述理论对无人车软硬件系统进行了详细的设计,搭建了实车系统。首先是对硬件平台及其配套设备进行了选取,并且对通信方式进行了相关的设计;其次基于机器人操作系统对整车软件架构进行了设计;最后将无人车系统分模块化进行设计,并分别对涉及的子系统传感模块、感知模块、决策模块进行了详细的论述,并给出了各模块的输入输出数据接口。第五章中,对第二章、第三章所述的内容并以第四章作为实验载体进行了仿真验证,基于c++编程并在Gazebo中对设计的感知系统进行了仿真验证,实验证明,计算时间从109ms下降至68ms,下降约41ms。最后基于实际的无人车采集到的数据对防撞预警子模块进行了实车验证,验证了本文设计的感知系统的正确性和有效性。第六章对上述全文进行了总结,并提出了本文的不足和改进方向。