高速公路洒落物是影响行车安全、造成交通堵塞的重大因素,因此及时检测并清理路面洒落物是十分必要的。我国现行的人工检测法速度慢、存在安全隐患且受检修人员主观影响大,但是目前国内外少有针对路面洒落物的检测系统以及检测算法的相关资讯。本文总结分析了洒落物的特点,调研了具有参考价值的目标检测算法,并在此基础上提出了基于激光雷达（Light Detection and Ranging,Li DAR）与相机信息融合的高速公路洒落物检测方案,对硬件布局、系统标定以及检测算法展开研究。具体包括如下内容:（1）设计了适用于高速公路洒落物检测的基于Li DAR与相机信息融合的硬件系统,完成了传感器选型、整体布局方案设计和参数测算等工作。系统由数据获取模块、数据处理模块、人机交互模块以及供电模块四部分构成,其中数据获取模块包括用于获取点云数据的Li DAR、获取图像数据的相机、获取检测车位置信息的全球导航卫星系统（Global Navigation Satellite System,GNSS）以及获取检测车位移及速度信息的惯性测量单元（Inertial Measurement Unit,IMU）;其余三个模块分别为用于储存处理数据的工控机、用于人机交互的显示器以及为整个检测系统供电的外加电源。（2）提出了用于系统中Li DAR与相机联合标定的方案,设计了一种新型标定板及对应的“三步拟合插值”标定方法。新型标定板将渐变深度信息、方格角点信息以及扫描线位置信息有机地融为一体,且仅有一个可调整参数,便于实验调整以及获取高精度特征点坐标。“三步拟合插值法”主要包括选定特征点并拟合求其在Li DAR坐标系中的坐标、计算特征点在标定板上的坐标、插值求特征点像素坐标三个步骤。获取足量特征点在Li DAR和相机两个坐标系中的坐标点对后,利用转换方程即可求解两个传感器坐标系之间的变换关系。（3）设计了高速公路洒落物检测算法,包括路面目标提取、目标速度筛选、数据融合及图像感兴趣区域（Region of Interest,ROI）确定、图像ROI分类四个步骤。路面目标提取通过对Li DAR点云进行道路边缘检测、地面分割以及点云聚类等处理提取路面上可能的洒落物目标;目标速度筛选通过比较目标移动距离与检测车移动距离判断目标速度,从而过滤高速运动物体;数据融合及图像ROI确定步骤中,将速度筛选后的点云目标投影到时空同步处理后的图像,获取对应图像ROI;最后基于Res Net-50网络将图像ROI分为车、人、路障、洒落物,保存洒落物图片并记录对应的GNSS位置信息。（4）根据设计方案搭建了洒落物检测实验车,完成了设备的安装调试、Li DAR与相机的联合标定、实验数据采集和洒落物检测实验。实验结果表明,标定结果与理想安装参数误差在4%以内,在分辨率为1280×1024的图像中重投影误差小于2个像素,标定结果准确度较高。洒落物检测精确率为93.42%,召回率为91.40%,达到系统设计要求。