随着社会汽车保有量的增加,频发的交通事故带来大量的人员伤亡和财产损失,同时也存在交通拥堵和环境污染等问题,因此有关汽车智能化技术的研究受到广泛关注。环境感知是智能汽车中的一个关键技术,提供实时、准确的道路车辆目标信息是实现精准决策、规划与控制的前提。本文基于毫米波雷达与摄像头的多传感器信息融合研究道路车辆检测与跟踪算法,主要研究内容如下:（1）研究了毫米波雷达有效目标确定方法。首先分析毫米波雷达的工作原理与采集目标的数据特征,利用特征值判定筛选空目标。然后设置相对车速阈值、纵横向车距阈值得到初选目标。最后设计一种扩展卡尔曼滤波器,根据目标的距离、角度、速度与加速度等运动学参数进行连续时刻的目标关联与管理,获取有效目标。（2）研究了基于机器视觉的道路车辆目标检测算法。由于单一算法在光照条件变化时或不同环境背景下存在局限性,因此本文采用了两种不同的车辆检测方法。一方面基于图像特征,先根据底部阴影特征寻找车辆存在候选区域,再利用对称特征进行验证。另一方面采用Haar-like特征结合Adaboost算法通过大量正负样本离线训练得到级联分类器,在线调用分类器完成车辆检测。（3）提出一种基于改进遗传算法的粒子滤波车辆跟踪。针对传统粒子滤波中的粒子退化、以及经典重采样中的样本枯竭问题,本文利用遗传算法改进重采样步骤,并在交叉操作中生成单个子代替换小权重粒子、利用高斯函数计算种群适应度及完成变异操作,以逼近真实运动规律。将改进的粒子滤波算法与车辆跟踪相结合,在保证实时性的前提下解决车辆多目标跟踪中的尺度变化与遮挡问题。最后将车辆检测与跟踪技术相结合,实现长期行驶状态下的道路车辆目标准确感知。（4）实现毫米波雷达与机器视觉的信息融合的车辆检测与跟踪。首先通过内外参数标定实现毫米波雷达坐标系与图像像素坐标系间的坐标转换,并完成多传感器时间对准。然后设计算法实现雷达数据投影点与视觉跟踪边界框之间的目标关联。最后利用毫米波雷达返回目标的运动学参数修正视觉跟踪边界框尺寸,避免连续跟踪时边界框过大或过小造成误差累积以致丢失有效目标。