随着自动驾驶技术的不断发展,自动驾驶汽车开始应用于各行各业中,如道路清洁、短途运输、交通客运中。与此同时,为了应对不同任务所面临的复杂环境,对自动驾驶的安全性也提出了更高的要求。在自动驾驶技术组成单元中,环境感知是至关重要的一环,是其安全性与智能性的保障。激光雷达和双目视觉是环境感知中常用的技术手段。激光雷达具有精确度高,稳定性强的优点,能够在复杂的环境下获取准确的三维信息。然而,由于激光点云比较稀疏,往往会造成部分环境信息的缺失。相比于激光雷达,双目视觉拥有低成本、高分辨率等优点,能够获取稠密的视差图。考虑到双目视觉与激光雷达各自的优势,本文主要设计了一种基于双目视觉和激光雷达的道路环境感知方法,通过将两者采集到的信息进行融合,获取准确稠密的视差图。同时,由于自动驾驶需要面临各种复杂的场景,如何设计一种鲁棒的相机自动曝光算法来采集信息丰富的图像也是研究的重点之一。在双目视觉中,图像质量的好坏对后续算法的精度会产生非常大的影响。因此,我们需要保证在复杂的环境下,通过有效的曝光时间调节,能够获取细节丰富、纹理清晰的图像。本文设计了一种基于特征点检测的相机自动曝光算法,该算法保证了纹理丰富区域的图像质量,能够很好地适应不同场景下的环境的变化。相比于相机自带的自动曝光算法,本文的方法在高动态环境下有着更好的表现。在得到高质量的图像之后,通过双目立体匹配算法获取稠密的视差信息,然后结合激光雷达数据进行融合。由于双目视觉的不准确性和激光雷达的稀疏性,本文设计了一种端到端的卷积神经网络,通过输入双目视差图和激光雷达视差图,将两者进行融合,获取更加稠密准确的视差图,提高环境感知的精度,为整个系统提供一个准确的深度估计。