无人驾驶作为人工智能的一个重要方面,逐渐成为国内外的热点研究课题。无人驾驶的不断发展,不但缓解了交通方面的压力,也减少了景区的资源消耗。无人驾驶作为一个完整的知识体系,它主要包括了感知、决策、控制三个方面,其中环境感知部分尤为重要,多线激光雷达凭借其数据量多,测量精度高,鲁棒性强等优势在无人驾驶的环境感知领域发挥着重大的作用。三维激光雷达在环境感知中的研究方向主要分为两部分,一部分是路沿信息的提取,主要应用于结构化道路,另一部分是多目标的检测与跟踪,主要为了防止车辆发生碰撞。论文中基于三维激光雷达的主要研究内容如下:(1)为了提取结构化道路的路沿信息,提出了一种道路信息提取算法。首先,根据直线路沿特性利用区间共线点算法提取路沿点集;其次,根据改进的基于密度峰值的聚类算法将左右路沿点集进行分类;最后,采用最小二乘法将路沿进行直线拟合。应用γ的排序图对基于密度峰值的聚类算法进行了改进,解决了人工选取聚类中心点的不足,并提高了聚类的准确率。道路信息的提取为了便于在可行驶区域内进行目标检测,以达到车辆安全行驶的目的。(2)目标检测算法主要步骤如下:首先,由于激光雷达的点云数量过多,为了提高算法的实时性,利用VoxelGrid滤波器进行降采样,在保持点云基本特征的同时减小点云的密度。然后,为了提高算法的准确性,利用地面分割算法将地面点进行滤除,并利用滤波算法将离噪点去除。最后,将得到的点云运用欧式聚类算法进行目标分割,并采用RANSAC算法构造Bounding Box对分割的目标进行标记,从而得到目标的长、宽以及中心位置坐标等特征属性。(3)在获得目标的特征属性之后,需要对目标进行跟踪。目标跟踪主要分为目标关联和目标的运动状态估计两部分,针对现有的匈牙利关联算法不能对不确定目标进行准确关联的问题,对此算法进行了改进,提高了关联的准确性。算法主要从以下两个方面进行改进:1)在原始的匈牙利算法上增加了合适的跟踪器管理策略,实时更新关联矩阵,能够适应环境目标数目变化的情况;2)关联值计算的定义代价方程方面,在最近邻算法的基础上同时考虑了目标与跟踪器的其他特性,提高了关联的准确性。