随着无人作战系统在未来信息化战争中需求的增大以及传感器的发展,无人车的环境感知、增强现实、环境建模等技术的要求也日益变高。激光雷达的研究在无人车环境感知、环境建模等方面至关重要。解决地面无人系统如何能够在非结构环境下的激光雷达三维点云配准的实际问题是本文研究的重中之重。真实的非结构化环境是复杂的、动态的、充满了不确定性,并且不是数学模型能描述的,地面无人系统的移动是不精确的,受周边环境、时间等诸多因素的影响,而且观测结果也充满了噪声,环境本身特征甚少。综上所述,亟需一种解决非结构化环境的配准算法。本文主要针对地面无人系统的工作特点进行配准算法的研究和改进,最后完成激光雷达点云地图的构建。本文取得的研究成果包括:1.提出了一种基于图像特征提取的改进ICP(Iterative Closest Point)算法。该算法的基本思想是对ICP配准算法中的配准点集进行改进,改进的点集来自点云数据和图像数据融合后从图像中提取的一系列特征点所对应的感兴趣点云特征线的集合,再将图像特征点对应的点云数据点组成配准的点集。该算法的优势在于一方面通过特征提取,提高了配准的精度,另一方面减少了参加配准的点的个数,从而可以减少配准的时间,以克服原始ICP算法在地面无人系统中的应用缺点。通过实验可以得出,本算法在精度和效率方面都有一定的提高。2.采用一种基于图像特征提取的改进ICP配准算法和LOAM(Lidar Odometry and Mapping in Real-time)建图算法融合的点云地图构建方法,本方法通过基于图像特征提取的改进ICP算法对点云进行配准定位,再使用LOAM算法的建图思想对点云的位置进行校正,将校正的结果进行更新,最后将更新的点云作为地图构建使用的点云进行增量式建图,限制体格中点的数量,完成点云地图的构建。通过实验发现,本方法能够构建出较好的点云地图。