由于矿山环境的特殊性,无人化矿山应用亟待落地。自动驾驶矿用卡车不仅解放了驾驶人员,而且保证了矿山工作的效率以及稳定性。环境感知技术是实现自动驾驶的重点和难点,其中道路边界线检测技术是自动驾驶感知系统的重要部分,不仅为自动驾驶提供了安全驾驶范围,而且保障了矿山中车辆行驶的安全性。由于矿山道路没有路肩且道路边界线十分模糊,因此区分道路边界线之内的可行驶区域与边界线以外非可行驶区域成为重要研究课题。本文提出了一种实时的道路边界检测与跟踪的方法,通过在矿用卡车车前安装Velodyne HDL-32E三维激光雷达传感器来采集点云数据。首先,研究矿山道路有效分割算法,获得剔除地面点云的高架点信息。然后,研究在高架点上有效进行道路边界点提取并跟踪。在高架点上进行光束模型划分,在每一个光束区域中提取道路边界候选点,利用候选点过滤出道路边界点。最后,对提取的道路边界点进行道路边界点跟踪以及曲线拟合,并将最终结果反馈到无人矿用卡车。本文的主要贡献如下:(1)针对矿山道路凹凸不平、多坡度的特点,本文提出了二次栅格化算法有效对矿山道路地面分割。(2)由于矿山道路没有明确的道路边界点,本文设计了一种在多个道路边界候选点中有效检测出道路边界点的方法,可以有效过滤道路外部的虚假点。(3)本文建立了矿山场景的数据集。在矿山不同类型的道路上采集激光雷达的数据,对每一帧进行地面和道路边界点进行了标注。(4)本文提出了一种基于卡尔曼滤波的道路边界点跟踪方法,可以改善检测结果的稳定性和准确性。通过大量数据进行实验,验证了所提方法的性能,实验结果证明了本方法的准确性和实时性。大部分感知技术文献的研究对象为城市场景或者乡村场景,本论文提出的感知技术算法针对于矿山场景,解决了矿山道路复杂难以检测的问题。本文对道路边界跟踪可以实时预测和更新边界点信息,以防止误检及漏检。矿山道路的实验验证数据显示了本算法的准确性和鲁棒性,本算法不仅限于矿山场景的道路,也可适用于其他非结构化道路。