复杂环境下的自主导航是室外地面智能机器人研究的一个重要方面。由于光照、纹理等复杂条件的影响,传统的一些基于图像数据的分析方法难以满足要求。本文以三维点云的空间分布为研究对象,设计了一种新的数据分析方法,将激光雷达数据和图像数据进行配准,研究了在道路检测中的应用,并对其进行了实验,分析了实验效果。利用激光雷达测距获得空间点的距离信息,进而获得点云的坐标。通过配准雷达数据和摄像机拍摄的图像数据,将雷达点与像素一一对应,达到获取雷达点云的颜色信息的目的。采用最近邻聚类对单线雷达数据进行分类,通过对多个场景,包括受光照、纹理等复杂条件影响的路面场景进行分析之后,对比单纯依靠视觉的结果可以看出激光雷达克服了传统分析方法的缺陷。采集多帧单线雷达数据并对它们进行拼接获得场景的全景图,加入颜色信息辅助分类,提取可通行区域。研究了基于单线雷达数据的遮挡检测,采用加权最小二乘直线拟合的方法完成了对被遮挡下的、具有直线分布特征的物体的识别工作。改进传统的扇区.曲率算法,提出判断障碍的条件,通过计算目标函数选择可通行扇区,完成躲避障碍的任务。在应用方面,本论文使用的是德国SICK AG公司的LMS291型号的激光雷达进行数据的采集工作。