多传感器数据融合以及环境地形估计是无人车实现自主导航的重要基础。本文对基于径向基核函数的环境地形估计方法进行了研究。采用了变尺度核函数模板和栅格地图相结合的方法,解决了地面上激光点云随探测距离增加而密度分布不均匀的问题,同时避免了地面突兀杆状物对估计结果的不利影响,并能够为后续自主导航算法提供显式地形图。本文采用的点云分层方法对悬空障碍物进行处理,提高了对涵洞、树木估计的准确性。利用VoxelGrid滤波器对点云进行滤波,使点云分布更加合理,提高算法运行效率,能够实时处理。针对无人车应用环境,在所构建的无人车车载3D激光雷达、全景视觉和GPS-INS组合感知系统上,本文利用GPS-INS返回的无人车位置、姿态信息对点云进行配准并进行运动路径点云补偿,改善了无人车姿态变化对结果的不利影响,有效补偿了单帧点云中大部分的盲区。本文利用全景视觉传感器返回的环境色彩信息,结合3D点云的位置和深度信息,按照色彩饱和度、色调、地面点可能性、地面法向量和表面粗糙度五个方面对典型地形特征进行模糊分类,实现了对地形特征的估计。基于以上方法,使无人车能够利用多传感器进行实时地形估计。最后,本文利用Vrep软件对无人车系统进行建模,在与ROS搭建了交互式仿真系统中进行了仿真实验。又进行了实际跑车试验,提出的地形估计算法均得到了有效验证。