Le grand nombre de tâches qu'on peut attendre d'un système d'aide à la conduite implique de considérer de nombreuses classes d'objets pouvant être à proximité du véhicule. Afin de comprendre correctement la scène, toutes les sources d'information disponibles doivent être combinées. Dans cet article, un schéma original de fusion au niveau des segments d'une image sur-segmentée et basé sur la théorie des fonctions de croyance est présenté. Le problème est posé comme celui d'une annotation d'image. L'approche sera tout d'abord appliquée à la détection du sol en utilisant trois capteurs différents. La flexibilité du cadre de fusion permet d'ajouter facilement de nouveaux capteurs mais aussi de nouvelles classes, elle sera démontrée en ajoutant les classes ciel et végétation. Ce travail est validé sur des données réelles de scènes routières en milieu urbain.