环境感知是实现车辆自动驾驶的前提,其重要性在于使自动驾驶车辆更好地模拟人类驾驶员的感知能力,从而理解自身和周边的驾驶环境。环境感知系统通过各种车载传感器采集路面及环境信息,为自动驾驶车辆提供决策依据。为保证自动驾驶车辆在路面上能够平稳、安全的行驶,布局在车辆不同位置的车载传感器需提供全面、准确的感知信息。如何布局传感器,如何设置传感器的外部参数使环境感知系统提供高质量的决策依据成为自动驾驶技术亟待解决的问题。论文围绕自动驾驶车辆多类型传感器布局优化问题,对多类型传感器归一化建模,基于二维评价指标和三维评价指标的感知对象建模及离散化,评价指标的计算,传感器布局优化问题建模,模型求解方法设计,数值仿真验证,传感器布局仿真实验平台设计等问题进行了一体化研究。具体研究工作如下。在分析不同类型传感器感知原理和主要参数的基础上,提取不同类型传感器感知参数的共同特征,基于高斯方程构建了多类型传感器感知区域的归一化模型。在二维评价指标和三维评价指标下,分别引入TIN和八叉树理论,基于感知对象点云数据构建感知对象的表面模型和体模型,描述感知对象的面元素和体元素特征,并实现了表面离散化和体积离散化。结合传感器感知区域归一化模型和离散化结果,分析了传感器感知区域和感知对象离散化单元的耦合关系,设计了离散化单元感知判定方法和传感器布局评价指标的计算方法。在上述研究结果基础上,分别以二维评价指标和三维评价指标为目标函数,以传感器的安装位置和安装角度为决策变量,建立了传感器布局优化模型,并设计了基于粒子群的智能算法对模型进行求解。通过数值仿真实验验证了本文提出的优化方法的正确性和有效性。由粒子群算法收敛过程分析了决策分量对二维评价指标和三维评价指标的影响,确定了传感器外部参数对传感器布局评价指标的影响权重。结合二维评价指标和三维评价指标下的仿真结果,揭示了同一评价指标下不同感知距离的优化结果的一致性和两种评价指标之间优化结果的差异性,以及不同点云数量级下的感知对象模型对优化结果的影响。在基于二维评价指标的传感器布局优化方法的基础之上设计实现了传感器布局实验仿真平台,该平台应用PreScan、SketchUp、Matlab、Meshlab等第三方软件,设计了虚拟场景下传感器对感知对象覆盖面积的量化感知方法,验证了传感器布局优化方法有效性。