激光雷达具有极高的角分辨率、距离分辨率、速度分辨率等特点,能获得目标的角度、距离、速度、反射强度等信息,不仅能够在大范围扫描时发现目标,还可以通过精细扫描获得完整的几何信息,同时具有抗干扰能力强、不受光照条件限制等优点,在无人驾驶、目标探测等领域广泛应用。但是传统激光雷达探测信息交互方向单一,无法适应大范围广域搜索和小范围精细识别等多种工作模式切换的需求,达到认知成像的目的。针对以上传统成像激光雷达存在的问题,本文重点开展了基于深度学习的认知成像激光雷达模式、基于深度学习的点云目标精准检测、基于深度学习的认知成像激光雷达模块设计与实现等研究,具体内容如下:（1）针对传统成像激光雷达探测工作模式固定、环境适应性差、信息交互方向单一、数据利用率低等问题,本文分析并设计了一种基于深度学习的认知成像激光雷达模式,通过将深度学习智能算法融合到激光雷达成像参数控制中,实现认知成像激光雷达闭环反馈控制功能,解决不同场景下成像激光雷达环境适应性、信息交互方向单一等问题,提升了激光雷达探测能力和检测精度。（2）针对深度学习检测算法在点云目标检测时存在信息丢失和感受野受限等问题,本文研究并实现了一种用于点云数据的可形变注意力和基于栅格化的点云精准监测网络,通过在体素化点云检测网络结构中加强全局上下文信息,弥补点云体素化后信息丢失问题;添加可形变注意力学习点云随机采样点位置上的特性,获得最具代表性特征的点云子集,利用基于栅格化的点云临近特征构建模块,将全局上下文信息扩展到更大的点云区域,解决近距离和远距离目标在点上的巨大不平衡带来的精度下降问题,达到了提升点云目标检测精度的效果,通过与典型算法实验结果进行对比,本文研究的深度学习检测网络在点云目标检测精度上有更好表现。（3）为验证本文设计的认知成像激光雷达模式的有效性,本文设计并研制了基于深度学习的认知成像激光雷达方案和原理演示模块,实现了基于深度学习点云检测网络的激光雷达认知成像闭环控制功能,达到了激光雷达模式智能切换、提升环境适应性与提高目标检测精度等目的。通过室外实验证明,本文所设计的认知成像激光雷达模块可应用于典型目标精细化探测任务中。