自主车的研究是人工智能研究领域的一个非常重要的分支,而本文所研究的运动目标检测与跟踪为自主车系统的规划模块提供了必要的动态障碍信息,保证了自主车的安全行驶。本文在总结现有算法的基础上,提出了一种基于三维激光雷达的障碍物检测算法,并利用检测结果,结合数据关联和卡尔曼滤波器模型,实现了运动目标的跟踪。本文的主要工作包括：1)对于障碍物的检测,如何在大数据量的情况下实现实时、高效、准确的检测是一个挑战,本文的算法是首先结合在从图像分割得到的道边信息将原始激光雷达数据转化成栅格地图表示,然后在该地图上采用区域标记和模板匹配进行聚类和特征提取,最后采用盒子模型表示障碍物。2)对于跟踪过程中的数据关联,为了在多帧数据中得到正确的匹配信息,本文采用基于多假设跟踪的算法。通过该算法可以有效的解决多运动目标跟踪过程中可能出现的错跟、漏跟等情况。3)对于运动目标的状态估计,为了给规划模块提供正确、可靠的运动目标行为信息,本文采用基于卡尔曼滤波器的模型对每个运动目标进行状态估计,并将得到的目标运动轨迹以及行驶速度发往规划模块。