地铁作为城市公共交通的重要组成部分,极大的缓解了日趋严重的城市拥堵现象。随着近年来自动驾驶技术的不断发展,地铁的高等级无人驾驶系统的开发与应用受到了广泛的关注。地铁虽然有着较为独立的路权,但行驶环境也不是绝对安全的。本文从多传感器融合的角度出发,研究了在地铁隧道微光、封闭环境下的障碍物检测问题。文章主要采用了热成像仪与光学摄像机相融合的方法,希望选取适当的图像融合方法,在凸显热成像图像上对与环境有温差物体的形态学特征的同时,保留光学图像上的细节特征,从而增加图像的可性,提高地铁隧道环境中障碍物提取的准确性。本文的主要贡献如下:(1)热成像仪与光学摄像机的数据配准。数据配准的主要工作包括数据时间和空间上的配准。在时间配准上,主要采用了时间戳配准的方法。而在空间配准上,采用以世界坐标系为过渡坐标系的方式,进行了热成像仪与光学摄像机图像坐标系的联合空间配准。同时,提出了一种基于张正友标定法的热成像仪标定方法,并进行了适用于热成像仪的特殊标定板的研发与制作。(2)图像融合方法的研究。本文就热成像图像与光学图像的融合,进行了常见图像融合方法的研究。在融合结果的质量评价上,充分考虑了融合目的即对地铁运行环境中可能存在障碍物的凸显,采用了客观与主观相结合的图像质量评价方法。(3)适用于地铁环境的障碍物提取的硬件平台搭建。进行了硬件的选型与融合平台的搭建。在硬件融合平台的搭建上,考虑了后期的传感器的可拓展性。(4)地铁轨道起始点的自适应搜寻。根据地铁轨道的形态学特征,本文提出了一种基于积分的轨道起始点自适应搜寻算法,可以有效的提高限界提取的精确度。(5)地铁微光、封闭环境下的障碍物初步提取。在常规的障碍物提取方法效果不佳的状态下,引入了小波图像分解方法中的低频分量,加强了障碍物的形态学特征。提高了地铁微光、封闭环境下障碍物的识别率。