近年来随着科技的迅速发展,人们对于产品的智能化以及自主化提出了更高的要求。在自动驾驶及驾驶辅助领域,行为主体的环境感知与自主决策能力成为关注的焦点。其中目标检测与测距技术作为关键技术,深刻影响着行为主体对周边环境目标种类的分辨以及距离的感知能力。基于单传感器及传统目标检测算法的目标检测与测距技术愈发无法满足主体对复杂环境感知的要求。而基于深度学习的目标检测算法以及基于传感器融合的环境感知技术能够提高复杂场景下主体对环境的感知能力。本文针对自动驾驶领域的环境感知检测功能,采用传感器融合的环境感知技术以及基于深度学习的目标检测算法,开发了一套基于嵌入式平台的目标检测与测距装置,具有很高的实用价值。本文采用多传感器融合技术结合深度学习算法开发并实现对目标的检测与跟踪测距功能,将设备整体划分为传感器数据采集、空间位置标定、数据帧同步、目标检测算法优化四部分来实现。通过调研对比嵌入式异构平台及外界环境感知传感器,进行硬件平台及传感器的选型及软件实现方案的制订,并完成传感器数据采集及预处理工作。为解决YOLO-V4（You Only Look Once）目标检测算法在Jetson平台上运行速率不佳的问题,开展算法优化加速的研究。引入Mobile Net-V3算法的主干网络对YOLO-V4的网络主干进行替换,并使用VOC数据集在Pytorch下完成模型的训练工作,优化后的模型在极小检测精度损失的情况下,换取更高的运行速度以及更小的模型体积。为获取目标的三维空间信息,构建融合毫米波雷达与摄像头数据的三维空间融合模型。在进行毫米波雷达滤波及图像畸变矫正的情况下,实现雷达与图像数据帧的时间同步及目标的三维空间位置融合。经过实验验证,在室外场景下,该嵌入式目标检测与测距设备能够准确分辨物体的种类,实现目标的测距功能,为行为主体提供准确的周围环境感知信息,达到技术要求。