智能驾驶是目前全球车辆工程领域的研发热点之一,无人驾驶汽车的主动安全性也受到了国内外智能驾驶研究机构的广泛关注。本文主要聚焦无人扫地车作业的环境感知环节,利用激光雷达与车载相机,实时采集扫地车周围的环境信息。为了快速、准确地处理和分析采集的数据信息,从而得到前方障碍物的位置信息与几何特征,提出激光雷达与视觉融合的障碍物检测研究方案,实现对前方障碍物的融合检测。本论文主要包括以下研究内容:首先,根据无人扫地车的运行条件和研究要求,建立了无人扫地车环境感知平台;通过建立无人扫地车融合所涉及的三种坐标系,并对其进行坐标转换,完成相机和激光雷达的标定处理,为多传感器数据在时空上的匹配融合奠定研究基础。其次,提出了一种可适应不同距离的三维激光雷达数据去噪和精简研究方法。在对原始点云数据栅格化和去噪滤波后,采用最邻近距离聚类的方法确定适应阈值,采用融合网格连通标记的聚类方法,减少离散点,提高聚类算法的精度,实现不同距离下的前方障碍物检测。实验结果表明,与已有的其他聚类算法相比较,本文提出的新方法可以适应不同距离下的障碍物聚类,提高了路面障碍物的识别能力。然后,基于AlexNet卷积神经网络的方法实现对前方车辆障碍物进行检测与识别。对车载相机采集的图片进行灰度化和去噪,通过自适应阈值分离道路路面。对车辆所在区域进行假设生成后,通过卷积神经网络提取目标特征,对假设区域进行验证。最后,搭建障碍物检测算法实现和仿真测试的平台,分析了单一传感器检测和多传感器融合检测前方障碍物的效果,结果表明,通过对激光雷达和视觉信息进行融合,降低了外界因素的干扰,更全面、精度更高地采集障碍物的特征信息,更好地保障了无人扫地车的主动安全性。