智能汽车是现代汽车工业与互联网电子技术相结合的产物,对未来道路交通模式的发展有着重大意义。为了进一步保障人们出行的安全性,提高汽车行驶效率和改善驾驶的舒适性,无人驾驶汽车技术应运而生。环境感知是智能汽车无人驾驶实现的重要基础,利用先进的传感器感知技术代替人类视觉,以检测行驶道路中的障碍物,为智能车决策控制提供依据,从而有效提升汽车行驶的安全性。本文针对智能汽车感知技术中的障碍物检测环节做了系统研究,并设计出一种聚类检测算法有效提取出了障碍物信息。论文研究基于16线激光雷达检测技术,并对激光雷达的工作原理、参数结构和通信协议等作了详细分析。通过搭建ROS系统,同时配置其环境,为环境感知系统建立平台。在算法处理激光雷达点云信息前,分析了点云数据特征,并对点云进行预处理操作。此外,基于PCL点云库设计了障碍物检测的算法框架,依次对点云数据进行降采样处理,分割地面处理和聚类运算处理。其中,应用体素化网格的方案完成了点云的降采样处理,简化了点云数据的信息量;依据Ray Round算法成功分离了地面点云,排除地面点云对障碍物聚类检测的干扰;使用KD Tree数据结构对点云数据进行降维操作,提高点云的搜索效率,同时基于欧几里得聚类算法采用一种按距离分割点云簇的处理方法,以提升障碍物聚类检测的计算效率,并利用边界框选的概念完善了障碍物聚类检测结果,最后在Rviz可视化工具中显示了检测信息。为了验证本文障碍物检测方法的可行性,通过搭建实车实验环境来进行测试。实验结果表明该方法在一定范围内可以较好的分割来自于地面的点云数据,同时能够有效的检测障碍物信息,并具有一定的准确性和稳定性。