随着汽车交通事故的频频发生,近年来,以高级驾驶辅助及自动驾驶为核心的汽车主动安全技术在世界范围内得到了广泛的关注和研究,其中准确、实时的车辆前方目标检测更是成为了研究的关键技术之一。本文对基于视觉与毫米波雷达融合的车辆前方目标检测方法进行研究,成功实现了对车辆前方目标的全面、直观检测,有效解决了单一传感器在不同天气环境下对不同类别目标检测时存在的漏检率过高的问题。本文的主要工作内容如下:（1）车辆前方目标的视觉检测。在Pytorch深度学习框架下,利用YOLOv4-tiny目标检测算法并结合多种训练技巧,对扩充后的VOC格式数据集进行多组训练,然后以训练结果中m AP值最高的权重文件进行视觉检测,较好地完成了对车辆前方行人、小汽车和公交车三种类别目标的定位与分类。（2）毫米波雷达有效目标的获取。根据选定型号毫米波雷达的功能特点,按照规定协议对雷达返回的报文信息进行解析,并根据解析后的雷达数据去除了其中的空目标、干扰目标和非危险目标,获得了车辆前方有效目标的相对距离和相对速度信息。（3）相机与毫米波雷达的时空融合。首先采用了决策层融合层次和并联融合结构的传感器融合方案;其次根据相机与雷达在车辆上安装的位置关系和相机成像原理,确定了两传感器坐标系的转换关系,实现了雷达扫描点到像素坐标系的映射;然后利用视觉检测框与像素坐标系中雷达扫描点的投影点进行匹配,完成了两传感器对同一目标的关联;最后根据两传感器的采样频率选取合适的采样点完成了时间融合。（4）搭建实验平台和实验验证。搭建了相机与毫米波雷达融合的实车实验平台,在不同的天气环境下进行了多组实验,并与单一传感器进行对比分析,证明了本文融合方法对车辆前方目标检测的有效性。