针对单一传感器在智能车环境感知中的局限性,提出一种利用激光雷达融合相机进行智能车前方障碍物检测的方法。首先通过激光雷达获取目标的位置和速度,利用深度学习的更快的区域卷积神经网络(Faster RCNN)算法模型,训练实车采集数据,并用以检测图像中行人和车辆目标,获取单帧下各个传感器的目标检测数据。然后通过激光雷达与相机之间的标定,实现目标的三维数据的图像投影,利用改进的迭代最近点匹配(ICP)算法对其和图像检测目标点作匹配,并结合多帧数据,实现了目标的图像检测数据和激光雷达检测数据的融合。实车实验结果表明:该算法对车辆行人的识别率达到85%以上,在车辆方面提升了2.6%,行人方面提升了13.6%;算法的实时性比较好,每帧近似为84.89 ms。该算法能够较好地融合两个传感器采集的数据,使得获取的障碍物信息更为全面,能够用于无人车进行车辆行人障碍物实时检测,为智能车的局部路径规划提供决策依据。