随着计算机的算力提升和人工智能兴起,无人驾驶得以迅猛发展,动态目标感知技术是保证无人驾驶汽车安全稳定运行的核心环节和基础条件,但在传统的动态目标感知研究中存在感知信息的精准度不高以及高层属性感知不足的问题,鉴于多模态信息融合具有感知全面高效的特点,而情景计算能够对具体驾驶情景中的信息进行深层解构,为此本文开展多模态信息融合情景计算的动态目标的感知方法研究,以实现动态目标精准全面的感知,为无人驾驶的决策规划和控制提供可靠保证。本文通过对无人驾驶环境的复杂性以及动态目标的属性层次进行分析,明确了动态目标感知的层次以及各个层次的具体感知方法,在动态目标的自然属性感知层面,提出了改进MV3D网络的融合模型,该模型采用摄像机图像和雷达点云数据的进行信息融合,完成了对动态目标的3D检测识别,通过仿真实验对比以及检测指标定量分析表明,改进的模型在检测精度方面相比原模型有一定提升。在动态目标的高层属性感知方面采用基于本体论的情景建模方法,利用本体建模工具Protege对无人驾驶环境下各种交通要素的类层次、数据属性以及关系属性进行了详细的定义和描述,并通过实例模型验证了所构建模型的可行性。然后在情景建模的基础上和领域知识库的辅助下,构建了基于Prolog的情景推理引擎,用以实现对无人驾驶环境中具体情景的分析识别,最终完成对环境中动态目标的趋势判断、状态转移和异常行为等高层属性的感知,为无人驾驶车辆的决策环节提供建议,并通过具体的交通场景的仿真实验验证了情景计算方法感知的有效性。在完成动态目标在不同层面的属性感知后,通过设计模拟试验对各个模块化的感知环节进行整合,并设计相应的软件系统界面。模拟试验结果表明,本文针对无人驾驶环境下动态目标的感知问题所提出的用多模态信息融合情景计算的完成动态目标多层次属性感知的解决方案是合理的,有效的。因此本文为无人驾驶领域中感知类的问题提供了新的解决思路和方法,具有一定的实际应用前景。