智能驾驶汽车能够改善车辆驾驶过程中的安全性,同时提高车辆的可操作性与驾驶舒适度,智能驾驶汽车的关键技术在于对车辆周围驾驶环境的精确感知,当前技术条件下,使用单一传感器作为汽车感知设备往往会存在局限。所以,智能驾驶汽车的研究者与汽车公司往往采用多传感器融合的方式以获取精确的环境感知。基于当前的研究现状与应用场景,本文提出了一种基于数据增强与多传感器融合环境感知方法,以进行智能驾驶汽车驾驶环境感知技术研究。主要研究内容如下:1.针对单目相机传感器无法感知深度信息,夜晚使用受限,激光雷达点云密度不均匀同时缺失纹理、色彩信息等缺点。本文采用双目相机作为图像数据采集设备,激光雷达作为点云数据采集设备,研究设计了基于数据增强与多传感器融合的环境感知方法。本文通过搭建ROS系统,以实现相机传感器和激光雷达获得信息的同步性,同时对激光雷达坐标系与相机坐标系进行标定以获得二者坐标系之间的转换关系。2.针对激光雷达点云稀疏性的问题,本文提出一种基于距离及目标检测类别的激光雷达点云数据增强算法,由双目图像生成伪点云并根据图像目标检测类别和设置的点云范围阈值对点云密度进行增强,提高3D目标检测精度。3.针对点云目标检测性能随着点云密度变化而下降的问题,本文提出了对二阶段点云目标检测算法PV-RCNN的改进,加入了语义特征点采样、体素点质心模块及自注意力机制,增强了点云在远距离密度变化、遮挡情况下的检测效果。4.本文设计了一种目标匹配融合方法,对检测到的图像二维目标与点云三维目标进行匹配融合,通过将点云三维目标投影到二维图像平面,并设置搜索区域进行搜索,实现多传感器检测目标的匹配与融合。并使用Deep Sort实现检测目标跟踪。本文在KITTI公开数据集以及实际采集的重庆某高校道路场景数据集上进行了实验验证,以证明本文所提出方法的有效性。所进行的实验有点云数据增强实验、点云网络改进实验、目标融合实验、目标跟踪实验。通过对各个实验结果分析,证明本文所提出的数据增强及点云网络改进能够增强点云三维目标检测的性能,同时本文所提出的融合算法能够对单一传感器三维目标检测的缺陷进行弥补。