随着汽车智能化的发展,自动驾驶车辆近几年出现在人们视野中,自动驾驶技术的发展能给人们生活带来便利的同时也会减少交通事故的发生。智能汽车的环境感知技术作为自动驾驶系统中至关重要的一部分,无疑成为目前国内外学者研究的重点,研究如何利用传感器更加精确地获取道路场景的环境信息具有重要的意义。基于以上认知,本文研究基于摄像头和激光雷达在道路场景中的动态目标检测、识别,为自动驾驶汽车提供充分的环境信息。首先,基于视觉传感器获取的图像数据,对道路图像进行灰度化、高斯滤波等预处理,利用不同的检测方法,实现了车道线的检测。采用阈值掩盖法和霍夫变换完成了道路直道的检测,针对弯曲道路,基于滑动窗口多项式拟合的检测方法,实现了对弯道的检测。其次,根据深度学习算法,实现了对道路场景中动态目标的检测,包括车辆和行人。采用Haar特征+Adaboost分类器的方法训练车辆检测器,实现了车辆的识别,采用HOG特征+SVM分类器的方法训练行人检测器,完成了行人的识别,利用Tenser Flow深度学习框架,搭建卷积神经网络,实现了道路场景中行人、车辆等多动态目标的检测。然后,利用激光三维点云的特性,结合Mean-Shift聚类算法,对道路场景中的动态障碍物进行了聚类研究。通过分析视觉传感器和激光传感器两者的检测特性,结合两者的优点,研究了基于单目相机和激光雷达信息融合的动态目标检测方法。利用Autoware软件平台,对两传感器进行了联合标定,得到了联合标定参数,利用标定结果实现三维点云到二维图像的融合,再分别针对融合后的信息采用YOLO-v3算法和欧几里得聚类实现了动态目标检测。最后,利用无人电动轮椅实验平台,在校园道路中对本文中所采用的检测算法和融合方法进行在线实验,通过统计结果及对比分析,基于信息融合的目标检测准确率明显优于依赖单一传感器的检测,验证了算法的可行性、有效性。