激光雷达凭借着感知信息丰富、探测距离远、不易受环境干扰等特点在自动驾驶感知领域中有着广泛的应用。近年来,随着智能车使用场景复杂度的提升,科研人员对激光雷达的应用研究也在不断深入。为了更加全面的对智能车周围环境进行感知,本文基于多激光雷达数据融合的方式,对其可行驶区域检测进行了研究,具体工作内容将从以下几个方面进行展开:(1)选取激光雷达C32-C以及C16-A作为本次研究的感知传感器,并对其性能进行理论对比分析。结合智能车对环境感知具体要求,对两款雷达进行了合理的布置,并约定C32-C为主雷达,C16-A为副雷达。为实现两雷达的数据融合,首先利用改进的棋盘格标定板对主雷达的外参进行了标定。接着本文提出一种多雷达外参标定方法,将标定几何体置于两雷达的视场交叠区,利用平面向量法求解出副雷达相对于主雷达平移和旋转矩阵,实现两雷达外参标定。为两雷达的时间对齐,引入同一外部时钟,分析两款雷达数据包的结构,找出两雷达绝对时间最相近的数据块,依此为数据起点进行存储,实现时间对齐。(2)本文提出一种多步滤波法,依次对点云中离群点,噪声点以及副激光雷达视野中被本车遮挡而堆积的点云进行过滤,最后采用改进的栅格法对点云进行压缩。接着利用双阈值射线斜率法对地面点进行分割,针对欠分割的地面点,再利用半径滤波法进行过滤,从而实现稳定的分割效果。然后本文提出一种改进的OPTICS算法,在降低时间复杂度的同时保证聚类效果。最后根据目标特征构建相似度评价体系,利用匈牙利算法实现前后帧的目标匹配,为了找出最大匹配结果中的最优匹配,构建了最佳匹配关系评价标准,选出最优匹配关系,利用扩展卡尔曼滤波对障碍物的运动状态进行估计。(3)分析点云在结构化道路上的分布特征,提出基于点云曲率突变特征和直线特征的两步筛选法,对提取出路沿点利用最小二乘法二次曲线拟合出道路边沿线。结合边沿线构建智能车的感兴趣区域。最后开发基于ROS平台的激光雷达点云处理的软件系统,结合我校智能车实验平台进行实验。