无人自主驾驶汽车应具有环境感知、智能决策、自主行驶等功能，在未来交通、军事系统、精准农业、科学探索等领域具有重要的实际应用价值，已成为正在到来的机器人时代重要的研究对象。动态目标认知是无人车环境感知研究中的关键技术之一，本课题主要以城市交通环境为背景，基于多传感器数据融合技术，开展动态目标的检测与识别研究。本文的主要研究成果包括：（1）研究了3D点云数据的极坐标栅格地图构建方法、点云数据中的可通行区域提取方法，并在此基础上，结合INS/GPS组合导航单元提供的位姿信息，提出了一种基于可通行区域历史信息、全局运动补偿、混合高斯模型的动态目标检测方法，实现了对无人自主驾驶汽车周围360范围内近距离动态目标的检测。（2）基于毫米波雷达提供的带有高误检率的动态目标信息，通过融合速度/里程计提供的车速信息、INS/GPS组合导航单元提供的位姿信息和点云提取得到的可通行区域，对毫米雷达的检测结果进行预处理，并基于区域生长的方法进行滤波以及与点云配准，实现了车辆前方90开角范围内、175米较远距离以内的高精度的动态目标检测，并提取出了动态目标的径向对地速度。（3）提出了基于极坐标栅格地图与最小二乘曲线拟合的地面点滤波算法；基于区域生长的点云分割算法；基于点云分割与PCL库快速的训练样本标记方法。提出了一种点云中基于3DSIFT关键点提取，FPFH特征提取，视觉单词生成、滤波与空间编码的语义模型构建方法，以及基于语义模型的在线点云识别方法。