近些年来,随着智能技术的不断发展,人们对机器人的自主性提出了更高的要求,期望它们不仅仅只是可以按照人类的指令完成动作,还可以在复杂的环境中拥有一定的自主能力。在一个未知的环境中,机器人想要拥有自主能力,首要任务是对周围环境进行一个准确感知,所以利用传感器信息进行障碍物检测是机器人领域的重要研究方向之一。但是每种传感器本身会有一定的局限性,例如激光传感器对于透明物体不敏感、视觉传感器无法在黑暗环境下工作等,所以依靠单一传感器很难达到检测系统对精度和稳定性的要求。针对该问题,本文提出了基于多维异构传感器数据融合的障碍物识别技术,通过融合多种传感器的互补信息,对障碍物进行多角度多方面的检测,建立合适的追踪模型,避免单一传感器在特定环境中失效的问题,从而提高障碍物检测系统的可靠性和准确性。为了解决由于传感器的固有局限性而导致的检测失效问题,本文提出了通过多种传感器,利用多方面多角度的互补信息来突破单一传感器的固有局限,从而提高障碍物检测的精度和稳定性。围绕这个研究目标,本文提出了基于多传感器数据融合的障碍物识别技术,包括支持多传感器自动校准机制的障碍物识别框架和基于数据融合和关联技术的障碍物追踪机制两个主要研究内容,最后在Gazebo模拟器中进行了实验仿真。本文的主要工作包括以下几个方面:(1)针对多传感器数据对齐这一问题,本文提出了一种具有较强泛化能力的校准机制,对视觉数据和激光雷达数据在时间空间上彼此对齐。其特点是不需要复杂的预设置,而且能够自主地完成校准过程而无需人为干预。实验结果证明该算法独立于传感器参数的设定和周围环境,具有较高泛化性。该机制将视觉数据和激光雷达数据进行统一,为后面的障碍物检测部分提供保障。(2)针对提高障碍物检测准确率这一应用场景,本文提出了一种双层结构的分布式卡尔曼滤波器用于融合多种传感器的数据,与集中式卡尔曼滤波器相比,容错性更强。然后改进了当前主流的数据关联算法,与传统的PDA算法和JPDA算法相比,改进后的算法在时间和准确率上都有比较大的优势。最后,基于上面的估计和关联算法,本文提出了一种新的轨道删除和创建策略,定义了两种类型的轨道,并对它们删除和更新的条件进行了说明。(3)为验证追踪算法的效果,基于上述技术,本文在Gazebo模拟器中实现了系统原型,进行了仿真实验,经过反复实验,结果表明本文提出的基于多传感器数据融合技术的识别框架拥有高泛化的校准能力,并且支持多种传感器同时进行障碍物检测,可以有效地降低障碍物识别的误检率和漏检率。