随着现代交通网络的飞速发展,我国的交通事故的发生率不断上升,交通安全问题越来越严重。因此,汽车的安全辅助驾驶技术已经成为研究的热点领域,它可以在汽车安全驾驶方面发挥重要作用。　　 本文研究了汽车安全辅助驾驶系统中的关键技术——车辆识别技术,通过单目视觉和激光雷达对车辆前方的障碍物进行检测与车辆识别。文中主要对车辆识别的相关算法进行了研究。　　 首先,研究了激光雷达数据的聚类算法和聚类后的车辆识别算法。针对激光雷达数据非球形的特点提出了一种改进的CURE聚类算法。对聚类后的数据先区分障碍物在车辆正前方或侧前方。对于正前方的障碍物通过计算宽度的方法进行车辆识别,对于侧前方的障碍物在找出类的角点后再通过计算宽度的方法进行车辆识别。　　 其次,研究了基于Canny边缘检测算法和信息熵的单目视觉车辆识别算法。针对不同的光照条件在对图像进行预处理后,采用阈值分割方法提取车辆底部阴影并规划出初始检测区域,在该区域内采用Canny算法对前方障碍物进行边缘检测确定障碍物边缘。最后将障碍物区域的信息熵作为识别车辆的依据。　　 再次,实现了两种基于单目视觉和激光雷达的车辆识别方法——同步处理方法和异步处理方法。异步处理方法采用激光雷达的处理结果指导单目视觉进行识别得到最终的识别结果。同步处理方法使两种传感器独立处理得到识别结果,最后融合两个传感器的处理结果得到最终的判断。　　 最后,研究了车辆识别中的多传感器融合技术和车辆跟踪技术。融合算法采甩D-S证据理论,在单目视觉和激光雷达完成各自的识别后采用决策级融合方法完成最终的决策。文中确定了单目视觉和激光雷达的基本概率赋值函数,并采用基本概率赋值的方法进行决策。在完成识别后使用Kalman滤波算法对摄像机视域内的车辆进行跟踪,提高了识别的效率。　　 为了验证本文提出的识别算法的效果,开发了系统实验平台,通过大量的实验对系统性能进行了验证。实验结果表明,本文提出的车辆识别算法具有较好的可靠性、准确性和鲁棒性。