本发明涉及一种井下障碍物点云与图像数据融合的多尺度智能感知方法，针对井下复杂环境，单一传感器获取信息有限，将激光点云深度与高度信息与视觉图像RGB三通道信息融合形成五通道数据特征；井下巷道内存在诸多影响因素如巷道变形、煤矸掉落、道岔故障、人员流动且受光照不均匀等，影响障碍物的显著性而导致难以检测问题，通过在原有网络YOLOv5的基础上引入卷积注意力机制增强图像中的显著性；单轨吊轨道内障碍物存在掉落煤矸、落石等小目标难以检测，通过增加模型的输出尺度可提高模型对小目标的检测精度；通过上述的方案，本发明可以快速精准检测单轨吊前进轨道内的障碍物，实现单轨吊无人驾驶的自主避障。