无人驾驶车辆在行驶过程会遇到目标丢失,复杂场景理解困难等安全问题,所以需要对周围环境进行正确的检测和识别,以达到精确导航的目的。导航过程中对障碍物的检测和识别有助于确定车辆进入安全驾驶区的轨迹,因此,有必要将来自不同传感器的数据进行融合,以实现对障碍物目标的精准检测。毫米波雷达具有不受极端天气环境的影响,穿透性强的优点,但对小目标的不敏感,在道路实验时存在近道目标丢失现象。单目视觉可以提供丰富的类别信息,但是受环境的干扰严重,并且视野严重受限。因此本文提出了基于单目视觉与毫米波雷达的融合策略,利用单目视觉对近道目标的检测与分类,为毫米波雷达提供更丰富的信息,同时检测丢失的雷达目标点,为驾驶员提供危险区域预警。本文的研究内容主要分为以下三点。(1)基于毫米波雷达的目标检测。根据毫米波雷达目标检测的原理与信号处理过程,提出了航迹起始算法、聚类算法、卡尔曼滤波算法分别完成毫米波雷达杂波噪声的过滤,车辆和行人数据关联以及多个目标跟踪,提高毫米波雷达目标检测准确性。(2)基于单目视觉的目标识别。将YOLOv3算法与常用的多标签图像分类算法进行性能对比,并根据VOC数据集制作自己的标签数据集;采用MSR算法对输入图像进行增强,减弱光线对分类的影响;通过更改YOLOv3算法输入层与全连接层输出结构,进而训练自己的数据集,并与其他分类算法进行性能对比,验证视觉算法的准确性。(3)基于单目视觉的毫米波雷达融合系统。通过分析传统的坐标转换校准法的不足,创新性地提出了利用单目视觉测距原理的新的空间校准方法。并针对毫米波雷达与计算机视觉采样频率不同步的问题,以时间戳标识为基准,采用多线程的方式实现毫米波雷达与相机数据在时间上的同步。最后将融合系统用于实际交通环境下的路测,对系统匹配的目标结果与漏检区域的预警结果进行详分析验证,得到融合系统对漏检目标检测的成功率约为93%。将单个传感器的检测结果与融合系统的检测结果进行对比,从而证明本文所提出的融合系统在实际的公路场景下具备一定的可行性。