车辆检测是解决交通安全和交通拥堵的关键技术之一,其是智能交通系统中最基础的一环。面向智能车的多传感器检测融合具有提高系统性能的优点,能有效为智能车提供准确、可靠且具有鲁棒性的周围车辆信息。目前车辆检测算法已经比较成熟,而多传感器检测关联的准确率在目标密集环境下还有待提高。本文采用当前主流成熟的检测算法实现图像和激光雷达的车辆检测,提出一种基于一致点漂移匹配的多传感器车辆检测关联算法,采用协方差交叉算法对关联结果进行融合,并通过实验验证了本文方法的有效性。本文的主要工作如下:1.本文首先介绍了面向智能车的车辆检测研究背景和意义,总结了车辆检测和多传感器信息融合的国内外研究现状,提出了本文的研究课题,并详细阐述了本课题中采用的相关技术和算法。2.提出了一种面向图像基于Haar和Adaboost的车辆检测算法,首先通过大量正负样本进行Haar特征提取,建立特征值向量,然后将基于Adaboost算法建立的弱分类器加权组合成强分类器,从而构建级联分类器,进行车辆检测。并提出了一种基于L型的激光雷达车辆检测算法,首先对点云数据进行预处理和聚类,然后提取聚类簇内部特征,与L型特征进行匹配,实现车辆检测。3.提出了一种基于一致点漂移匹配的多传感器车辆检测关联算法,首先将多传感器车辆检测关联问题视为概率密度估计问题,其中图像检测结果表示成高斯混合模型质心,激光雷达检测结果表示成高斯混合模型数据点,以此建立高斯混合模型。其次利用最大期望算法求解,得出图像和激光雷达检测结果的关联关系。进而对关联结果采用协方差交叉算法进行融合,以提高检测精度。最后设计相应对比实验,对所提出的多传感器检测关联和融合算法进行验证。实验结果表明,本文的研究工作,对以后基于图像和激光雷达融合的车辆检测研究具有一定的参考价值。