近年来,随着人工智能领域的飞速发展,越来越多的智能化技术被广泛应用于各项产业中。其中,无人驾驶技术代表了高新技术的发展水平,在民用和军事领域都具有广阔的应用前景。军用地面无人平台作为新型作战力量,在未来的信息化战场上将发挥关键作用。班组支援型无人车是其重要发展方向之一,可用于运输物资设备并与班组成员协同工作,有利于减轻班组人员负担,增强其持续作战能力。要实现上述功能,前提条件是要实现无人平台对于巡逻小队的智能跟随,因此,本文针对这一关键技术,开展基于激光雷达的巡逻小队跟随方法研究,主要研究内容和成果包括:1.针对主流的深度学习算法存在的计算量大、硬件成本高等缺点,本文根据行人的形状特点,提出了一种新的采用级联滑动窗模型的三维行人检测算法。该方法仅以点云数据作为输入,通过本文提出的中心点云密度特征和位置特征,实现了对于三维空间中行人候选目标的快速定位和提取,通过提取更复杂的特征并训练精细分类器实现了较为准确的行人检测。本文方法在KITTI公开数据集上的表现超过了以往基于深度学习的先进算法,并实现了性能与效率的平衡。2.针对基于单雷达的目标检测存在的局限性以及传统的数据级融合方法容易受到点云标定和配准质量影响的问题,本文提出了一种激光雷达行人检测算法的决策级融合策略。该方法首先将单个雷达的扫描线划分为两个子雷达并分别运行行人检测算法,随后使用贝叶斯方法将子雷达的结果进行融合以得到最终决策。本文在自建数据集和KITTI公开数据集上评估了该算法的性能,并通过模拟多激光雷达点云标定的变化证明了决策级融合算法相对于数据级融合算法更加鲁棒。3.为了实现无人车对巡逻小队的跟随,本文提出了一种基于中心点估计的巡逻小队跟随方法。该方法首先对巡逻小队的状态进行了初始化定义。当使用激光雷达传感器获取行人目标后,不断对小队成员进行更新,并根据小队队员的位置计算出巡逻小队中心点,然后使用卡尔曼滤波器跟踪该中心点以得到无人车的跟随点。本文在仿真环境中评估了算法效果,实验证明该方法能够在复杂情况下准确和稳定地输出小队跟随点。