现如今，由于智能感知技术的快速发展，在军用和民用领域的各个机构和高校都开始对于无人驾驶技术开展热烈的研究。无人车辆需要解决的一个重要问题就是对于车辆前方障碍物的感知能力，如何准确地对无人车辆前方障碍物进行检测将决定无人驾驶技术是否能够实际应用的主要因素。尤其在军用情况下，无人车辆承担着情报收集、路径规划、物资补充等任务，高效地识别野外环境下的车辆前方障碍物显得非常重要。本文对于野外环境下的车辆、行人检测算法进行了研究，同时对比了在不同背景环境下，野外和城市场景中车辆、行人检测的差别。
首先，本文对野外环境车辆检测进行了研究，提出了一种基于多特征融合思想的车辆检测算法，除了车辆检测中常用的车辆底部阴影特征之外，还增加了边缘特征和对称性特征，将这三者结合起来进行车辆检测，并将多特征融合方法和机器学习车辆检测方法的各种检测效果进行了对比。
其次，本文对野外环境行人的检测进行了研究，采用基于Haar-like特征+Adaboost分类器的机器算法进行检测，通过实验结果可以看出，该方法在野外场景中行人检测中表现良好，稳定性较高。
最后，本文对比了野外环境和城市环境下车辆检测和行人检测的不同，分析了在这两种环境下使用文中的机器学习检测算法的效果。为了使研究更加深入，同时对普通环境下车辆和行人的检测与强干扰环境下车辆与行人的检测效果进行了对比。实验结果表明，在强干扰环境下，文中所用的检测算法较为稳定，但是比起普通环境下的检测效果已经有了明显下降。