环境感知技术是无人车实现自主导航的基础,而障碍物检测是环境感知的关键环节之一。无人车在野外环境下移动时,需要具备各种复杂障碍的检测能力。一方面,岩石、大树、水坑、河流等种类繁多的障碍威胁着无人车的安全；另一方面,野外遍布的植被与障碍物混杂在一起,增加了检测的难度。本文将复杂野外环境下的障碍物检测问题分为两个部分,一个是对各类不同障碍物和复杂障碍地形的检测,另一个是植被环境下的障碍物检测。然后对这两个问题分别进行了研究。对于不同障碍物的检测,本文提出了基于64线激光雷达的方法,对凸障碍、侧深沟、侧斜坡、水体进行分别检测。同时考虑传感器未能探测到的区域可能存在的危险,提出了对未知区域进行分类的方法。凸障碍检测采用基于栅格内高度信息的方法,并针对悬挂结构进行了优化。侧深沟、侧斜坡的检测方法主要基于激光雷达扫描原理对点云的几何特征进行分析,同时提出了一种基于极坐标栅格的点云表示方法。水体检测则在激光雷达强度图上实现,利用了水体较为特殊的反射特性。野外环境下的实验验证了算法的有效性,以上功能均得到实现并且达到了较好的检测率。对于植被环境下的障碍物检测,本文提出了一种联合三维点云分布特征和多光谱特征的检测方法。首先介绍了由彩色相机、红外相机和三维激光雷达构成的多传感器系统,叙述了相机与三维激光雷达联合标定的方法,以及三维点云数据与图像像素信息融合的过程。然后基于多光谱数据分析,在归一化植被差分指数(NDVI)的基础上,提出了一种新的红外-彩色通道联合光谱特征,结合混合高斯模型对植被和非植被进行分类。然而在实验中发现光照条件的变化和地面点的干扰对结果有很大影响。通过加入红外光强归一化和特征信息加权之后检测效果得到了明显改善。在多个典型的场景中进行了实验,结果表明检测效果比基于NDVI的方法要好。