汽车的普及极大地方便了人们的出行,但参差不齐的驾驶技术给汽车安全造成隐患,交通事故发生率居高不下。自动紧急制动系统（AEB）作为目前主要的汽车主动安全措施之一,可以自动判断汽车的安全状态,必要时采取相应的措施,保障行车安全。本文针对AEB的感知部分,对视觉与雷达的数据融合技术进行研究,并制定相应的避撞策略。首先研究基于毫米波雷达的目标检测方法,详细研究毫米波雷达的工作原理后,针对本文的研究对象,选择了nu Scenes数据集作为本文研究的数据基础;研究并读取了毫米波雷达的原始数据,设计方法滤除了其中的空目标、无效目标以及静止目标,并对筛选出的目标进行有效性判断。接着研究了基于机器视觉的前方目标识别方法,对比多种视觉处理方法之后最终选择YOLOv3算法作为本文的目标识别算法;综合nu Scenes、VOC2012数据集以及部分自定义图片,组合成自建数据集并据此对YOLOv3算法进行训练,最后对训练好的算法进行验证,结果表明该算法能够有效识别出目标,对车辆的识别准确率达到91.2%,对行人的识别准确率达到了90.6%。然后研究了基于雷达与视觉数据融合的目标检测算法,分别建立了世界坐标系、雷达坐标系、摄像机坐标系以及像素坐标系,并完成各个坐标系间的坐标转换,实现传感器的空间数据融合;根据传感器数据的时间戳完成传感器数据的时间融合;使用目标级融合的方式,根据马氏距离以及联合概率关联算法完成数据关联,并使用卡尔曼滤波实现目标跟踪,建立了目标库;最后对算法进行验证,结果表明,对于车辆与行人目标,本文的融合算法比单一的视觉检测算法检测率分别高2.2%与1.82%。最后研究了自动紧急制动的避撞策略,针对传统避撞策略无法应对复杂环境的局限性,创新性地提出了一种基于目标运动轨迹的避撞策略,使用卡尔曼滤波完成对目标运动轨迹的预测,将目标轨迹与自车坐标系y轴的交点坐标、自车车速以及剩余碰撞时间作为输入参数,设计了模糊控制器,得到期望减速度,实验结果表明该方法能够针对不同车型、不同目标、不同车速得到相应的期望减速度。本文所提出的视觉与雷达的数据融合策略以及基于目标运动轨迹的自动紧急制动避撞策略对于减小交通事故发生率、保障行车安全具有一定的实用价值,对目前车辆的自动紧急制动系统的开发具有一定的理论参考价值。