现代有轨电车有助于缓解城市拥堵,提高出行效率。目前,大部分有轨电车的运行安全都是依赖于司机对前方路况的主观判断,存在一定的安全隐患。因此,需要采用智能障碍物检测系统来提高有轨电车安全性能。当前最常用的障碍物检测传感器是机器视觉或者雷达。但是天气和光照等因素会影响机器视觉的性能,而雷达又只能获得目标的点位信息。考虑到单一传感器存在的不足,本文采用毫米波雷达与机器视觉信息融合的方式来检测有轨电车前方障碍物。研究了从目标检测到筛选,再到跟踪,最后到目标信息融合等内容。研究内容对提高有轨电车运行安全性具有重要意义。本文主要贡献如下:(1)筛选雷达目标并设计跟踪算法。考虑到雷达工作在有轨电车运行环境中,受到干扰较多以及存在闪烁噪声等因素。本部分先基于一定的规则初步筛选出有效目标,再采用Sage-Husa自适应卡尔曼滤波跟踪目标,提高了雷达在有轨电车运行环境中检测障碍物的准确性和可靠性。(2)搭建融合模型将雷达数据按时间关系分帧融入图像数据。详细阐述了两个传感器联合标定的方法和过程,成功地将雷达目标点位信息映射成图像中对应的感兴趣区域。通过缓存数据加时间戳的方式解决了雷达与摄像机采集频率不一致的问题。(3)基于雷达与机器视觉信息融合实现目标初步识别。不同于依赖雷达检测结果进行机器视觉识别的典型方法,本文利用雷达和机器视觉同时独立检测障碍物。最后,融合分析二者检测结果,区分出目标类型。(4)设计并实施了有轨电车运行环境中的障碍物检测系统。使用基于多阈值轨道区域分割方法提取轨道区域从而缩小目标筛选范围,实现目标精准定位。建立检测系统并通过多线程处理多传感器实时数据来确保系统检测的实时性。