随着国民经济的不断发展,人们对汽车的需求量越来越大,而由此带来环境污染以及安全问题也日益增多。汽车智能驾驶技术的不断发展可以有效解决这些问题,汽车智能化已经成为未来汽车发展的重要趋势。自适应巡航系统是智能汽车中不可或缺的功能,而自适应巡航系统得以有效运行的前提就是获得前方车辆目标的准确参数,而多目标跟踪算法可以有效获得自适应巡航系统所需数据。基于以上背景,本文主要研究了基于毫米波雷达和视觉传感器的多目标跟踪算法。首先,提出了基于毫米波雷达和视觉传感器的环境感知系统,详述了毫米波雷达的数据采集方法以及数据预处理过程,并将毫米波雷达数据与视觉传感器数据进行融合处理以获得更加准确的数据。其次,对多目标跟踪中的航迹起始检测算法进行了研究。并重点研究了基于H ough变换法的航迹起始算法,针对车辆识别的实时性要求,采用一种快速随机H ough变换算法,并通过加入采样终止规则,大大缩短了航迹起始的时间。接下来,对多目标跟踪中状态估计以及数据关联算法进行重点的研究。针对车辆目标的高机动性采用变结构多模型(VSMM)算法,通过对模型集以及模型集的转移规则的设计实现对强机动目标的运动状态的有效估计。针对车辆目标跟踪中杂波密度大的问题,采用一种基于全邻模糊聚类的联合概率数据关联算法,实现对密杂波环境的数据关联。最后,搭建了基于自适应巡航的智能车环境感知系统。在汽车中加入毫米波雷达、Mobileye等传感器,并设计了车辆多目标跟踪软件系统,最后在城市道路工况和学习校工况分别进行了检测。结果表明,本文算法可以准确快速的实现车辆的多目标跟踪,具有较好的实时性和准确性。