环境感知技术在无人驾驶中起着重要作用,是实现辅助驾驶和自主驾驶的前提条件,目标识别是无人驾驶环境感知中的重要部分。针对车辆检测,本文完成了两种实验分析:本文提出了一种基于单线激光雷达作为主传感器,基于OptoBot-IV实验平台,首先通过激光雷达扫描并获取空间轮廓数据,对每帧数据采用凝聚层次聚类算法进行目标分割,采用最小二乘法进行直线拟合,通过锐角判别方法判别目标车辆的方位;然后对目标车辆进行特征提取,通过交叉验证和网格搜索对支持向量机的参数进行优化以实现更好的分类效果,最后采用卡尔曼滤波(Kalman Filter)实现目标车辆的跟踪;实验结果表明,本文提取多种目标车辆特征值组成特征向量并配合参数优化后的支持向量机可以实现较高识别率。文中同时进行了多种分类器效果分析,实验结果表明,每一个分类器虽然在降维和交叉验证后的正确率都有所变动,但是由于准确率不足以评价一个分类器的性能,最后通过分析ROC曲线和AUC值得出最优的分类器为随机森林。基于路边的静态平台上使用单线激光雷达对电动自行车,货车,乘用车和公交车四种车型识别。使用分类器支持向量机(SVM)对交通参与者的类型进行分类,为了提高识别正确率,采用K折交叉验证和网格搜索的方法获取最优参数,在四种车型分类过程中,应用了四次分类器来处理特定的分类,最终实验的总体识别正确率为85.55%,其中对误判的车型单独进行了识别分析,分类精度分别为96.62%、98.20%以及96.18%,这表明所使用的单线激光雷达是可以作为识别道路交通参与者类型的工具。