智能车辆（IV，Intelligent Vehicle）是具有环境感知、路径规划、自主决策、自动执行等功能的车辆。作为智能交通系统（ITS，Intelligent Transport System）的重要组成部分，可以在缓解交通压力、营造良好的交通环境中起到至关重要的作用。激光雷达是一种主动传感器，具有测量距离远、测量速度快、精度高、受环境影响较小等优点。激光雷达可以为智能车辆环境感知中障碍检测提供足够的信息，满足智能车辆障碍检测精确性和实时性需求，具有重要的理论研究意义和工程实用价值。本文以北京工业大学智能车辆（BJUT-IV）为研究平台，对车辆周围和前方远距离障碍物的检测技术进行了研究。针对机器视觉的检测效果受外部环境影响较大的问题，本文采用了激光雷达的检测方式，提高了车辆对环境的适应性。针对单个激光雷达扫描范围偏小、漏检概率偏高的问题，采用了多种激光雷达数据融合的方法，达到了全方位、精确检测障碍的效果，满足了智能车辆安全行驶的需求。本文的主要研究内容、研究方法概括如下：首先，分析了国内外智能车的研究现状和激光雷达障碍检测技术的研究情况。针对存在的不足之处，提出了多种激光雷达数据融合的研究思路。然后，针对激光雷达数据采集和数据处理的问题，编写了激光雷达数据采集与处理软件，实现了数据采集、预处理、聚类、目标识别与跟踪等算法，并通过实验获取了算法中常用参数，达到了激光雷达数据实时采集与处理的效果。其次，针对多种激光雷达优化部署和高效融合的问题，确立了优化部署、合理设计融合结构的原则，设计了多种激光雷达组网方式和数据融合的结构，达到了全方位检测障碍的效果。在讨论了常用的贝叶斯推理、Dempster-Shafer算法、表决融合算法等数据融合算法的基础上，对于车辆周围障碍的检测，提出了基于网格划分法、网格聚类法、网格障碍占据理论和网格表决融合算法的网格地图融合算法；对于车辆前方远距离障碍物的检测，提出了基于特征的数据融合算法，达到了障碍多层次精确检测的效果。最后，搭建了多种激光雷达数据融合系统的软硬件实验平台，进行了大量实验验证。结果表明文中编写的数据采集软件、提出的多种激光雷达数据融合算法，具有较好的可行性、实时性和可靠性。