近年来,随着计算机技术的发展以及传感器成本的降低,自动驾驶系统的研究取得了显著进展,无人驾驶汽车的技术日趋成熟。无人驾驶汽车具有提高生产率、行驶安全性以及道路使用率的作用,其可对环境产生积极的影响。未来,无人驾驶汽车会在成为城市交通系统中的主要交通工具。自动驾驶系统一般由环境感知、定位、路径规划和车辆控制等若干个环节组成,其中环境感知是指自动驾驶汽车理解所处环境的能力,例如获取环境中障碍物的位置信息等。环境感知是路径规划和车辆控制的基础,也是整个自动驾驶系统中最重要的一个环节。城市环境下的道路情况相较于其他驾驶环境更为复杂多样,需要对更多的环境信息进行感知,如路缘石与交通标志的检测等。本文主要研究城市环境下自动驾驶汽车的环境感知技术,并对城市环境下自动驾驶汽车的多个感知任务进行设计实现,具体内容如下:首先,本文结合城市环境下道路的结构特征设计了一种基于激光雷达的路缘石检测算法。该算法简化了对激光雷达数据的预处理过程,并通过一种滑动窗口算法提取出粗糙路缘石点,最后使用所设计的路缘石位置预测方法对这些粗糙点进行处理,最终预测出路缘石的准确位置。该算法在保证运行效率的同时有效的提升了检测的精度。其次,本文利用深度学习技术设计了一种基于摄像头的交通标志检测方法,使用该方法可以有效检测出日常行驶过程中常见的交通标志。此外,本文将该方法与光学字符识别技术进行结合还实现了对限速标志中限速信息的识别。最后,本文给出了一种基于多传感器的前方车辆距离检测方法。该方法首先利用本文设计的深度神经网络对激光雷达数据进行处理,从中提取出前方车辆深度信息,其次将提取出的深度信息与二维目标检测器从摄像头数据中检测出的前方车辆二维信息进行匹配,最终得到前方车辆的距离信息。