本文以自主车自主导航需求为研究背景,重点对环境中的障碍物特性进行分析。本文根据障碍的运动特性将障碍分为静态障碍和动态障碍,深入分析静态障碍特性,将静态障碍分为正障碍、负障碍、可通行性障碍以及具有特殊语义的障碍。文章针对不同障碍的特性,提出了基于激光雷达点云的障碍特性分析及判断方法。本文的主要研究成果如下:1、野外环境中负障碍对自主车的行车安全具有较大影响,目前常用在车体前倾斜安装两个32线激光雷达对负障碍进行检测的方法,不仅使自主车的成本极大增加,并且这种安装方式具有较大的盲区。本文负障碍特性分析的数据来自车体垂直安装的64线激光雷达,通过地面分割,得到障碍物相对大地平面的参考高度,然后对环境中可能的负障碍区域进行判断,利用激光雷达的序贯信息进行多帧融合,实现稳定的负障碍输出。2、针对越野环境下草丛对自主车可通行性的干扰,通过对激光雷达深度信息在草丛中的特性分析,提出了一种基于深度特性的草丛障碍判断方法。本文通过分析激光雷达数据在草丛中的深度分布规律,提取单条激光雷达扫描线在草丛中的深度特征,应用贝叶斯原理进行多线特征提取,并对激光雷达序贯信息进行融合,实现了稳定的草丛障碍输出。3、针对城市环境中,大量交通信号与杆类障碍物存在相关性,本文深入分析杆类障碍物的特性,将杆类障碍物单独作为一种包含语义信息的障碍物进行分析,并实现了一种基于几何特性的杆类障碍判断方法。区分杆类障碍物能为交通信号检测提供稳定的感兴趣区域。4、提出了基于占据栅格的动态目标检测与跟踪的方法。本文将占据栅格与基于粒子滤波的动态目标跟踪相结合,通过对栅格的占据特性分析,建立占据栅格地图。利用粒子滤波获得栅格动态特性,对占据栅格的动态特性进行一致性分析,获得了准确的动态栅格,最后通过动态栅格聚类实现目标检测与跟踪