随着经济的发展和社会的进步，智能交通系统(Intelligent Transport System，简称ITS)得到了广泛关注和研究，作为智能交通系统的关键技术和重要组成部分，智能车辆被认为是解决路面交通问题的一个有效途径。行人安全作为智能交通系统中的重要环节，越来越受到世界各国的重视，而确保行人安全的前提在于能够对行人进行准确的检测和识别。本文建立了基于激光雷达和摄像机的环境感知系统，先对激光雷达和摄像机进行外部参数标定，接着利用雷达确定行人的空间位置并投影到图像坐标系对应的区域中，再利用模式识别和机器学习的方法，把行人检测问题化为一个模式分类问题。　　首先，给出了基于四层激光雷达和摄像机的外部标定方法。为了充分利用四层激光雷达，设计了一种特殊的带有缝隙的标定板，使得只需要标定板的3个不同位姿就可以求出标准P6P问题的唯一外部参数解。本文从实验角度给出了外部参数标定方法，并分析了影响标定精度的因素。　　然后，研究了基于雷达和摄像机的行人检测算法。由于激光雷达在测距、测速、数据采集速度快等方面的优势，第一步是先利用雷达快速定位待检测目标的感兴趣区域，其中对基于点间距的雷达聚类方法进行了改进，使之在提取多个并排行人的感兴趣区域时不容易发生漏检;第二步是在图像中针对提取出的感兴趣区域，用基于人体多部位的方法进行行人检测，以提升行人在遮挡状况下的检测效果。　　通过对行人检测技术的研究，可以实现基于激光雷达和摄像机的行人检测功能。针对校园中多种不同背景的道路环境，在距离雷达5～25m的范围内采集了100组雷达和图像数据作为测试样本，并进行了离线的行人检测实验。通过对各组的检测结果进行统计，这100组数据的整体行人检测率约为90.7％，针对遮挡行人的检测率为59.1％左右，单帧的平均检测时间约为132ms。目前基于单一视觉传感器的行人检测方法，离线的行人检测率一般可达90％，但单帧的处理时间通常在1s以上[55];而一些基于雷达和图像融合的方法，在离线状态下的行人检测率可达96％，单帧的处理时间约为115ms[52]。因此本方法有较快的检测速度，并能在一定程度上降低行人遮挡时的漏检率。