随着计算机技术及人工智能的快速发展,国家将智能网联汽车的发展作为新的发展战略,汽车的智能化也成为车辆工程领域新的研究方向。对于智能汽车来说,其环境感知系统是实现自动驾驶不可或缺的关键技术。本文提出一种基于毫米波雷达与视觉传感器融合的车辆检测方法,为智能汽车的规划决策提供可靠数据。首先,通过分析毫米波雷达的功能特性与工作原理,完成对毫米波雷达的选型。以选定毫米波雷达为载体,本文依据通讯协议对毫米波雷达接收到的数据进行解析,得到车辆前方障碍物数据。在此基础上,通过对毫米波雷达检测到的有效目标的筛选以及可视化,完成基于毫米波雷达的前方车辆检测。其次,通过对比分析传统视觉目标检测方法与基于深度学习的目标检测方法,分析基于深度学习的卷积神经网络的原理,构建基于YOLOv4目标检测算法的视觉目标检测模型,使用交通场景数据集对目标检测模型进行训练,并对训练后的模型结果进行测试验证,完成基于视觉传感器的前方车辆检测。然后,分析多传感器融合原理与层级,通过对毫米波雷达数据与视觉传感器数据的坐标转换完成传感器的空间融合,通过对两种传感器采样时间的对准完成传感器时间融合,并使用基于全局最近邻的数据关联算法完成传感器数据关联,建立基于毫米波雷达与视觉传感器融合的车辆检测系统。最后,通过搭建集成毫米波雷达与视觉传感器的实验平台,在不同的交通场景中开展前方车辆目标检测实验,通过对比单一传感器系统与传感器融合系统的目标检测结果,验证本文所研究的基于毫米波雷达与视觉传感器融合的车辆检测方法的有效性,证明其在车辆检测领域中的优势。