Die Fusion von Kamera- und LIDAR-Daten stellt Herausforderungen wie eine genaue Kalibrierung, unterschiedliche Datenrepräsentationen und umfangreichen Datenbedürfnisse dar. Diese Dissertation adressiert diese durch drei Beiträge: ein tiefes neuronales Netzwerk zur LIDAR-Kamera-Kalibrierung, zwei Ansätze zur Tiefenvervollständigung von lückenhaften Tiefenmessungen im Bildraum und einen großen Datensatz mit 93k RGB- und Tiefenbildern. Fusing camera and LIDAR data in autonomous driving poses challenges such as accurate calibration, differing data representations, and extensive training data requirements. This dissertation addresses these by three contributions: a deep neural network for LIDAR-to-camera calibration, two depth completion approaches for processing sparse depth measurements in the image space, and a large-scale dataset of 93k RGB and depth images for training and evaluating deep networks.