随着汽车保有量的不断加大,交通路况愈加复杂,人们对于驾驶辅助的需求越来越大。自动驾驶辅助的到来,可以在一定功况下帮助驾驶员应对不同的驾驶环境。但频出的自动驾驶交通事故让人们对于自动驾驶的安全性感到担忧。而在众多的自动驾驶事故中,绝大多数的事故都是由于目标识别错误,造成了对驾驶工况的误判,最终导致了事故。因此,针对雷达和摄像头这两种主流的目标识别硬件,利用其各自的优势,弥补单一硬件性能不足的问题,进行目标的融合和筛选,优化提高这两种硬件的目标识别算法是非常必要和关键的。本文对当前国内外自动驾驶领域的目标识别现状进行了分析,着重介绍了国内百度Apollo自动驾驶平台的系统架构以及国外特斯拉和谷歌在目标识别硬件上的选择。对于不同自动驾驶公司使用的硬件以及目标识别算法进行了研究和分析,通过在学校的学习和工作中积累的经验,选择成本适中的毫米波雷达及摄像头作为整个目标识别系统的硬件,开发完成了一个完整的雷达和摄像头系统软件,设计了雷达和摄像头目标的融合模块。对现有的目标识别算法进行了改进,依据传感器检测到的目标,设计出目标存在的可能性的计算公式。根据探测得到的目标轨迹,规划出车辆预期的行驶轨迹,根据自车行驶轨迹及目标存在的可能性,最终筛选出与自车行驶轨迹相关的目标,完成目标识别的过程。在软件算法开发过程结束后,将整个目标识别的系统软件烧入至雷达和摄像头硬件中,并安装在真实车辆上进行路试测试。在路试的测试过程中,记录实时的目标识别数据,对于出现目标丢失或目标误识别的场景进行分析,并调整目标筛选的逻辑,使得整个目标识别算法在实际应用中更加准确。最终使得整个传感器系统更加精确、有效性更高,对车辆实现自动驾驶辅助过程更有帮助,更加安全。