近年来,学术界、工业界有关汽车自动驾驶研发需求变得越来越迫切,环境感知技术是自动驾驶最为核心且关键的技术之一,也是整套自动驾驶系统运行的基石版块,所以本文重点就环境感知模块进行分析。自动驾驶汽车环境感知需要依托摄像头、激光雷达、毫米波雷达、超声波雷达、环视摄像头等传感器。在不同场景、路况、天气下需要使用不同的传感器,采用不同传感器数据融合策略才能够达到最优外界环境感知效果。其中L3层级自动驾驶主要依托摄像头为主传感器,L4层级自动驾驶在摄像头基础上,主要依托激光雷达为主传感器。在本研究中主要就摄像头和激光雷达的重点算法进行开发、验证和测试。本文就前视摄像头的语义分割算法提出了一种改进的全卷积网络(i FCN)来平衡图像语义分割精度与处理时间。i FCN改变了传统FCN的结构,上采样解码时采用带权值的密集跳跃连接;同时,该网络采用自适应学习速率,针对不同卷积层设置不同的学习率;最后,使用基于熵的特征选取方法,继续提高网络的分割效果。本文就激光雷达点云处理进行了相关研究。针对复杂路况地面点云分割困难的问题,提出了一种结合点云簇几何特性的路面点云分割方法。针对点云聚类不稳定的问题,根据车载气象传感器、湿度传感器等输出信息动态判断当前外部环境状态,针对不同的外部环境设置不同的聚类阈值。实验表明,本文进行的研究提高了智能车辆的环境感知能力。