随着我国汽车保有量的增加以及交通事故的频发,自动驾驶及辅助驾驶技术得到了广泛的关注和研究。前方车辆检测技术是自动驾驶汽车与高级辅助驾驶系统的关键技术之一,准确、实时的车辆检测技术可以为自主式驾驶辅助系统提供有效决策依据,对提高车辆的行驶安全性和驾驶舒适性具有重要意义。毫米波雷达和机器视觉是车辆检测常用的两种传感器,毫米波雷达能够准确探测障碍物的位置和速度,且具有较强环境适应性,但无法识别障碍物类型,易受噪声影响;机器视觉获取信息丰富,在目标识别及分类中极具优势,且成本较低,但其检测实时性不高,易受天气影响。因此,毫米波雷达与机器视觉数据融合技术被认为是提高车辆检测准确性与实时性的有效途径。基于此,本文以车辆自动驾驶系统中的道路环境感知技术为研究对象,开发了一套前方车辆检测系统,该系统利用安装在车辆上的相机和毫米波雷达实时获取前方道路信息,通过各传感器的数据接收、处理以及融合算法,实现及时、准确、可靠、具有环境适应性的前方车辆检测,具体研究重点及创新如下:1、实现基于毫米波雷达有效目标的确定。通过分析毫米波雷达探测到的目标特征,将大量干扰目标分类为无效目标、静止目标和非危险车辆目标,并针对每类干扰目标分别利用设定目标生命周期、设置反射截面积和信噪比阈值、设置目标横向距离及速度阈值的方法进行排除,实现从干扰目标中有效提取出车辆目标。2、实现基于机器视觉的前方车辆实时检测。结合Adaboost机器学习算法与Haar-like矩形特征,利用大量正负样本训练得到车辆分类器;提出道路感兴趣区域分割与检测窗口多尺度优化方法,减少无效区域及无效窗口搜索,提高检测效率;利用压缩跟踪算法对检测到的车辆进行实时跟踪,增强算法在遮挡和环境变化情况下的适应性,降低误检率和漏检率。3、实现毫米波雷达与机器视觉的数据融合。通过搭建毫米波雷达与机器视觉的数据融合模型,建立毫米波雷达坐标系、世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系,标定相机内外参数以及统一传感器采样时刻,实现毫米波雷达与机器视觉在空间及时间上的融合。经试验验证,在光照良好、视野清晰的天气条件下,本文方法能够准确识别出前方车辆位置,并具备较高的实时性和环境适应性,为车辆自动驾驶系统提供了有效的道路环境信息。