随着智能驾驶技术的快速发展,对车辆的环境感知能力提出了更高的要求,车前环境重建能力被视为提高车辆感知能力的关键,车载激光扫描系统具有数据量合适、受环境影响小、测量精度高,探测距离远等优势,因此,车载激光扫描系统被广泛应用于智能车辆上进行车前环境重建,本文基于车载激光扫描系统对车前环境重建技术进行研究。本文应用激光雷达、GPS和惯性导航系统结合的方式来进行车前环境实时重建,论文主要研究工作如下:首先,阐述了车载激光扫描系统的设计思路,并根据设计思路搭建出了车前环境重建实验平台。该实验平台由激光雷达、GPS和惯性导航系统组成,介绍了各传感器的衡量指标、工作原理、误差模型,选择出满足该实验平台的各种传感器型号,并根据选取的传感器搭建车载激光扫描系统实验平台,最后对系统误差进行了分析。其次,对车载激光扫描系统的多传感器数据进行时间配准。本文采用多线程技术进行多传感器数据采集,并采用Boost库网络计时器对每组传感器数据打上时间标,保证了多传感器数据采用统一时间基准,同时应用内插外推法进行时间配准,降低了各传感器因时间误差带来的测量精度影响。进而,采用组合导航卡尔曼滤波算法进行姿态位置解算。惯性导航系统输出的数据存在漂移误差,并且随着时间累积,本文采用间接法输出校正的卡尔曼滤波算法对惯性导航系统和GPS输出数据进行姿态位置解算,提高了组合导航系统位置、速度的测量精度。最终,完成点云预处理及多传感器数据空间配准。点云数据预处理,对点云进行下采样处理降低点云密度,去除离群点提高点云数据的准确性,采用ICP算法进行点云粗配置,采用基于特征面的几何重建方法对点云数据进行曲面重建。对多传感器数据进行空间配准,将点云数据从激光雷达坐标系转换到地理坐标系,再将点云数据从地理坐标系转换到WGS-84坐标系下,通过坐标变换将多帧三维点云数据统一到WGS-84坐标系内,构建车前环境三维点云图,完成车辆环境实时重建。