近年来随着人工智能、物联网和传感器等技术的高速发展,无人驾驶汽车成为了目前学术界的研究热点,其在军用与民用领域都有广泛的应用前景。道路环境检测是无人驾驶汽车安全行驶的关键和前提。本文重点研究了基于多源感知信息融合的道路环境检测方法,具体内容如下:针对无人车中的传感器标定问题,本文通过基于扫描点匹配的方法实现了激光雷达的参数标定,得到激光雷达坐标系与车体坐标系之间的转换关系;采用基于平面约束的标定方法实现了激光雷达与相机的联合标定,得到点云数据与图像数据的映射关系,实现了传感器数据的空间对齐,为数据融合做准备。通过分析四线激光雷达安装方式,并由其点云分布特点,提出了一种新的道路检测算法。通过点云分布特征搜索具有相对平面扫描特性的较规则分布点云带,提取并拟合近似平行线段集,对规则点云的包络点集进行区域道路边界假设和拟合,根据车辆连续运行时间轴的上下文关系对边界进行滤波平滑和预测增补,并利用点云聚类特征检测区域内障碍物,融合边界与障碍物区域,最终得到安全的可通行道路区域。针对使用单一激光雷达进行道路环境检测的不足之处,在检测过程中引入图像信息,提出了一种基于条件随机场的激光雷达与图像融合的道路检测算法。该方法将道路环境检测问题转化为道路分割问题,构造图像与点云融合的条件随机场模型,提取图像与点云的相关特征训练随机森林分类器,由分类器预测结果作为条件随机场的模型输入,最小化条件随机场能量函数得到当前的行驶环境中的道路区域。实验表明,该方法具有较高的准确率与可靠性。