随着我国汽车保有量持续增多,交通安全问题日益凸显,高级辅助驾驶系统中的行人检测技术得到了越来越多的关注和研究。对车辆前方道路上的行人进行检测时,需要将行人从复杂多变的交通背景中提取出来,获取其位置和运动状态信息。常用于行人检测的传感器有摄像头和毫米波雷达,前者具备目标识别和分类能力,但检测能力易受环境天气影响,而且定位精度较低;毫米波雷达环境适应性强,能够准确获得障碍物的位置及运动信息,但无法对障碍物进行明确的分类判断。因此,将机器视觉与毫米波雷达结合进行行人检测,可有效提高行人检测的准确性和可靠性。基于此,本文以行人检测技术为研究对象,将毫米波雷达与机器视觉进行融合,对车辆前方的行人目标进行准确识别和检测。本文的研究重点和创新点如下:1、实现对毫米波雷达返回目标有效性的检验。针对毫米波雷达返回目标信息中存在非行人目标、虚假目标以及不连续目标的问题,本文综合考虑目标的反射截面积、雷达对不同目标在不同角度的探测能力、目标有效生命周期这三点,对返回的目标信息进行滤波处理,从冗杂的雷达探测信息中提取出稳定有效的行人信息。2、基于机器学习实现对车辆前方行人的检测。结合HOG(Histogram of Oriented Gradient)特征和SVM(Support Vector Machine)分类器对图像中的行人进行检测,使用PCA(Principal Components Analysis)算法对特征向量进行降维以缩短检测时长。针对检测窗口过多问题,提出有效的感兴趣区域提取方法,提高行人检测的精度和速度。通过对目标距离与像素坐标映射关系进行拟合,得到满足精度要求的单目测距方法。3、实现毫米波雷达与机器视觉的信息融合。搭建雷达与视觉的数据融合模型,实现两传感器在时间和空间维度上的融合。提出加入深度信息的目标匹配方法以及基于各传感器优势进行特征信息融合的方法,获得准确的目标匹配信息。经试验验证,在光线良好、视野清晰的天气条件下,本文提出的融合方法可准确检测出车辆前方的行人目标,返回有效且稳定的行人位置,为高级辅助驾驶系统提供车辆前方道路上的行人信息。