道路区域准确有效地提取是智能车辆实现自主决策和规划的关键前提,也是智能车环境感知技术中的一个热门研究领域。目前,基于图像分割的道路提取方法已较为成熟,但在距离测量上还不够准确。近年来,激光雷达(Lidar)以其测距精度高,响应速度快的优点而逐渐受到相关研究人员的青睐。本文将使用激光雷达作为主要传感器来对道路区域提取方法展开研究。本文对道路检测与估计算法的研究主要包含以下几个方面的内容:1.对当前道路区域提取方法的背景和研究现状进行系统分析,针对目前存在的问题进行讨论,提出一种道路检测与道路估计相互迭代的算法框架来提取道路区域,其中,道路检测部分从激光雷达点云中提取出属于道路区域的点云,道路估计部分根据提取出的道路点云来估计道路的范围和坡度。该算法框架可以为智能车提供一幅标记有道路范围和道路坡度信息的栅格地图,为智能车安全、稳定地行驶提供有力支撑。2.在道路区域检测方面,针对道路形态和激光雷达成像特点,选取多个点云邻域特征来对提取点云中的属于道路区域的点。在此基础上,本文提出将分割出的道路点聚类成点云簇,并以道路区域估计的历史结果作为先验信息,对道路点以点云簇为单位进行筛选,进一步提高点云分割的稳定性和准确性。3.在道路区域估计方面,本文使用栅格地图来表征道路的范围,以及道路区域的坡度信息。本文根据道路区域检测结果生成量测数据,对于栅格地图中的每一个栅格,一方面使用二值贝叶斯滤波器判断栅格是否属于道路区域,另一方面,使用阿尔法滤波器估算出栅格相对地面上某一固定点的海拔高度差,用于记录道路的坡度信息。4.针对本文所提出的算法,搭建智能车硬件平台,设计和开发出道路检测与估计系统,并进行了实车实验,实验数据表明,本文系统具备足够的准确性和实时性,能够满足实际使用需求。