自主车是一种能够在城市环境和野外环境中连续自主驾驶的移动机器人,其在国防军事和民用交通都有重大的研究价值和广阔的应用前景。本文主要面向自主车在结构化和非结构化环境中的自主驾驶,旨在从理论和实践上对三维激光雷达在自主车环境感知中的应用进行相关研究。本文的主要研究成果和创新点如下:1、针对基于极坐标栅格地图的分块直线拟合方法不能描述起伏路面,而采用二维高斯过程回归进行地面分割计算量比较大的缺点,本文提出了一种基于分块高斯过程回归的地面分割算法,该方法将极坐标栅格地图和一维高斯过程回归相结合,既能够对各种道路情况进行路面分割,又能够减少计算量,满足自主车导航的实时性要求。2、根据三维激光雷达的数据分布特性,本文改进了一种基于Toe-Finding算法的路口检测算法,该方法首先分析了车前方的可通行性,然后利用激光雷达的光束模型和带有车宽约束的Toe-Finding算法分析路口类型,其能够检测出自主车20米外的各种类型的路口,实车采集的数据证明了该算法的可靠性;同时针对具有低信噪比的路边,本文提出了一种基于最大最小值栅格地图的路边检测算法,该方法在最大最小值栅格地图中使用霍夫变换提取直线,并通过路边与自主车的相互关系对所提取的直线进行约束,提高了路边检测的可靠性。3、改进了一种基于车辆观测模型和粒子滤波的动态车辆跟踪算法,该方法直接采用方盒模型对相邻两帧激光雷达数据的差分结果进行车辆表示,省略了其中复杂的数据关联步骤,本文采用粒子滤波算法对动态车辆进行了跟踪,获得了很好的实验效果。上述研究成果已经成功应用于我校的自主车“开路雄狮”,该自主车在第三届“中国智能车未来挑战赛”中,以21分钟自主行驶10公里的绝对优势获得了冠军。