障碍物辨识及V2P保护是智能汽车及智慧交通领域的重要研究课题,对安全驾驶及提高车辆的智能化程度有重要意义。目前已成为智能汽车、人工智能、模式识别等领域的研究热点。当前,针对此类问题的研究和成果较多,但对雾天特殊环境下的作用效果普遍不佳。激光雷达与光学相机的融合感知是一种成熟有效的目标检测方法,无需考虑硬件建设和人车路协同等问题。基于此,本文构建了一种基于多传感融合的适用于雾天场景的障碍物辨识与V2P保护方法,以实现对雾霾特殊场景下的行人、非机动车骑行者及汽车等障碍物的辨识,同时对行人及骑行者等道路弱势群体进行保护。本文主要研究内容如下:1、针对去雾算法存在计算量大、时延高、去雾质量不佳、鲁棒性不强等缺点,提出了一种并行多尺度卷积的图像去雾算法,以恢复图像有效信息。为测试本算法去雾性能,分别从图像质量、目标检测性能两大指标进行检验,经与其它经典去雾算法对比分析,验证了本方法的有效性。2、针对激光雷达在目标形状特征获取上的缺陷,提出了一种基于距离切片的多层次激光点云补全方法,以获取较为稠密的点云数据,进而弥补图像去雾效果不佳情况下目标轮廓信息缺失对障碍物辨识带来的影响,测试分析后验证了补全后的效果。3、以激光雷达、光学相机、IMU为多传感手段,点云数据补全及去雾处理为数据处理方法,去雾图像与稠密点云数据为融合方案,YOLOX为目标检测网络,设计了一套雾天场景下障碍物辨识及V2P保护方案。4、基于Python编程语言,对系统各模块进行了测试。一方面,实现了对多类障碍物（行人、骑行者以及各类车辆）的辨识;另一方面,对检测出的行人、骑行者等道路弱势群体,采用Sort跟踪算法对其进行跟踪并实现了速度预测,通过获取行人及驾驶车辆的位置及运动信息,采用V2P保护模型对处于中高风险的VRUs进行预警保护。通过对多类雾天交通场景进行测试分析,验证了本方法的有效性。