随着社会的进步和公路交通系统的飞速发展，交通安全已成为越来越重要的社会问题。因此智能交通系统(Intelligent Transpoit 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(Intelligent Vehicle)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，而对行人的检测识别则是确保其安全的首要目标。本文以北京工业大学电动汽车BJUT-SHEV为工程应用平台，建立了基于摄像机和激光雷达的环境感知系统，对行人的检测识别技术进行了深入的研究。　　首先，提出了多传感器联合配准的方法。基于摄像机成像模型，对摄像机的内外参数进行标定。在此基础上，通过特制的标定板获取雷达数据和图像数据，以激光雷达坐标系作为世界坐标系，采取参数拟合方法求取图像坐标系与雷达坐标系的变换关系，进而实现两种传感器的空间配准。经实验验证，配准结果准确可靠。　　其次，研究了激光雷达数据的聚类算法和行人分割算法。根据雷达的数据特点提出了一种改进的DBSCAN聚类算法，对激光雷达数据进行聚类处理，将聚类后的数据映射到图像层面，对行人可能存在的区域进行分割，为后续识别工作提供感兴趣区域。　　再次，研究了基于AdaBoost算法的行人识别方法，实现了对行人的检测识别。行人识别阶段包括离线训练和在线识别两个部分。在离线训练阶段，对行人样本提取Haar特征，进行级联分类器训练；在线识别阶段利用训练得到的级联分类器，对获取的感兴趣区域进行行人识别。最后对识别出的行人利用Kalman滤波器进行跟踪。　　为验证本文研究的行人识别算法，开发了系统实验平台，通过大量的实验对系统的各个功能模块及整体性能进行了测试。结果表明，本文提出的行人识别算法具有较好的准确性、可靠性和鲁棒性。