自动驾驶汽车可以改变当前运输系统,提高效率和降低事故率。自主驾驶需机器人在不断变化的环境条件下具备可靠运行的感知系统,以及在未知和GPS限制的复杂环境中导航。实时三维环境信息获取为室外机器人和自主车辆在未知环境中安全导航提供可能性,多线激光则是最适用于室外的三维感知传感器。本文针对以上问题,重点研究了激光里程计的建立方法、三维环境地图的构建方法以及实时道路信息的检测方法。首先,改进了基于特征点的激光里程计的建立方法,针对室外环境与点云数据的特点,本文在预处理点云后,使用基于深度图的地面分离方法,将原始点云分离成地面点集合和非地面点集合。利用聚类算法排除离散干扰点,采用基于随机采样的线段特征提取方式以及基于点粗糙度值的线、面特征提取方式,分别对地面点和非地面点进行特征提取,利用提取的特征进行匹配,将激光里程计分两步求取,并通过L-M优化算法进行优化。其次,改进了室外三维环境点云地图构建方法。该系统在获取激光里程计的基础上,对构建点云地图过程增加回环检测步骤与基于图优化的优化线程。根据传感器得到点云信息的匹配程度建立关键帧以及局部地图,对应于关键帧得到位姿序列,利用关键帧之间位置信息以及点云重叠度进行回环检测,对回环首尾帧建立边约束。通过位姿变换的计算值以及传感器的观测值得到误差函数,并最小化误差函数纠正关键帧位姿,进而更新里程计与地图信息。另外,基于无人车多线激光雷达进行实时道路特征感知,通过点云栅格化处理,利用高程信息得到候选路沿信息,并将点云数据转换成二值化图像,通过腐蚀及膨胀等图像处理步骤将点云进行连续性处理,利用滑动窗口建立迭代后的路沿点进行曲线拟合得到完整的路沿信息。最后,本文基于自主设计的室外清扫无人车平台,分别对本文改进的激光里程计的建立方法、三维环境建模的方法以及实时的路沿检测方法进行实验,并在实际环境中对上述方法的实验结果进行分析。