基于3D检测的环境感知是实现煤矿井下无轨胶轮车无人驾驶技术的基础。因井下环境中光照不足，导致RGB图像信息缺失，且巷道空间狭小导致激光雷达采集的点云数据存在较多噪声，现有的基于图像或雷达点云的目标3D检测方法在井下难以取得较好的检测效果。针对该问题，提出一种融合图像和雷达点云的无人驾驶无轨胶轮车目标3D检测方法。针对获取的无轨胶轮车行驶环境数据进行预处理：采用全局直方图均衡化方法提升RGB图像亮度，降低井下光照不均影响；对雷达点云数据进行双边滤波去噪及主成分分析降维处理，以提升点云数据质量，减少运算时间。设计了一种融合图像与雷达点云检测模型，采用区域生成网络生成2D图像候选区域，对其与点云数据进行早期特征级融合生成3D候选区域，并与经感兴趣区域池化的图像和点云数据进行后期区域级融合，输出3D检测锚框，实现目标检测。实验结果表明，与基于YOLO3D，MV3D模型的检测方法相比，该方法对待测目标的检测精度较高，较好地实现了精度与检测速度的平衡。井下测试结果表明，该方法能够准确检测出无轨胶轮车行驶环境中的行人或车辆位置，无漏检情况，具有良好的井下适应性。