室内场景的环境感知技术是近几年服务机器人研究领域最受关注的研究内容之一。而我国的室内服务机器人的研究起步相对较晚,虽然已经在一些领域有所应用,但挺多研究还是理论推导与实验仿真居多。激光雷达在获取障碍物的深度信息时能够做到直接准确,与此同时还可以保证一定的扫描范围,在对室内障碍物目标进行检测以及状态估计过程中有着良好的效果。本文针对具有移动障碍物的机器人室内工作场景,研究采用三维激光雷达的障碍物检测与状态估计方法。从点云数据的处理、障碍物点云聚类、移动障碍物状态估计等方面展开研究。具体内容包括:（1）搭建激光雷达室内障碍物检测平台,基于Ubuntu16.04操作系统,结合ROS平台和PCL点云库,搭建激光雷达障碍物检测的软件环境。将载体小车与激光雷达固定安装,于实验室内模拟服务机器人室内工作场景。采用C++语言编程实现激光雷达原始数据获取及后续处理过程。（2）研究激光雷达数据中无效点云的处理算法。分析激光雷达与载体小车的坐标转换关系,获取载体小车坐标系下的原始激光点云数据。通过对激光雷达的安装和标定,得出旋转和平移参数矩阵,实现二者之间的坐标转换。通过统计滤波和体素滤波实现对原始点云数据的预处理,利用RANSAC算法对地面数据进行拟合并去除。（3）针对DBSCAN聚类算法在障碍物点云聚类过程中实时性差的问题,研究一种利用KD-tree加速的改进DNBSCAN聚类算法。在传统DNBSCAN聚类算法的基础上,计算得出该算法两个重要参数的选取区间,并利用KD-tree近邻搜索数据快的特点,对传统DNBSCAN聚类算法进行改进。实验证明本文所提出的算法可以改善聚类的实时性。（4）针对室内环境存在动态障碍物的问题,研究其运动状态的估计方法。设定行人在室内环境中随机行走模拟动态障碍物运动场景,通过建立关联门,结合联合概率数据关联算法,实现对同一障碍物在不同时刻的数据关联。利用卡尔曼滤波估计障碍物的位置和速度信息,实验结果表明在误差范围内对障碍物的状态估计效果良好。