以自动驾驶汽车为代表的智能行为主体的环境感知是决定其智能化水平的关键技术,也是主动安全技术的基础。在当前仍以传统单传感器方法为主的环境感知的背景下,毫米波雷达可以提供高精度高实时性的远距离测距信息,但其虚警率高、目标定位精度低等缺点也较为明显,在智能化环境感知与检测的场景有着极大的局限性。在这种情况下,多传感器融合技术成为了适应复杂环境感知与检测需求的最优选择。摄像机可以提供比雷达更加规范的空间信息,同时更具有可行性的目标检测方法,加入摄像机作为视觉传感器进行融合可以弥补毫米波雷达的不足,同时也可以将摄像机测距精度不足的缺点掩盖。在上述背景下,本文设计了一种基于传感器融合的目标检测测距系统。首先研究了多传感器系统中毫米波雷达的数据传输采集并对其数据采用了一种面向前向视角的先进聚类与滤波算法,为融合系统提供高清洁度与稳定性的雷达目标数据;其次本文研究了视频数据实时处理模块的设计,利用基于迁移学习的目标检测模型进行检测并利用跟踪算法进行图像处理的加速来输出实时的图像目标数据;第三,本文研究了多传感器融合系统的设计相关问题,依靠多方面完备的理论体系构建一套完整的传感器融合模型,并设计了毫米波雷达与摄像机目标数据的融合决策方法。在完成整体设计之后,经实验验证,系统可对用户选择的前方探测范围内的自定义目标稳定精确地检测跟踪并测距,以提供高实时性的多传感器融合信息,相对于传统环境感知方案提升了环境信息的采集广度与精度,为智能行为主体的信息感知能力适应日益复杂的场景打下了基础。