无人驾驶技术作为汽车的未来发展方向,对于汽车甚至整个交通运输业来说有着深远的影响,而近年来,随着环境感知传感器和人工智能技术的不断发展,无人驾驶技术进入高速发展和产业化阶段。激光雷达是无人驾驶汽车使用的重要环境感知传感器之一,对激光雷达所采集的三维点云数据的分割和以此为基础进行的目标跟踪技术,能够为车辆的控制系统提供三维环境信息。无人车使用的多线激光雷达采集的三维点云数据具有噪声高、分辨率低等特点,三维空间计算复杂度相对较高。本文利用数据重采样的方法将点云投影到二维平面上,生成深度图像,并以此为基础,分析和设计了基于深度直方图的道路分割技术、通过邻域连接性分析获得连接依据的非道路部分分割技术以及基于归一化深度直方图统计的目标跟踪技术。本文的主要工作如下:（1）利用数据重采样的方法将点云的三维笛卡尔坐标转换为图像的二维行列索引坐标,并由雷达与点的直线距离作为像素的值形成深度图像。针对部分投影过程中深度图像部分位置像素点的缺失问题,本文利用双线性插值的方式补全图像。由于本文所设计的技术主要用于城市道路场景,因此首先利用深度直方图统计的方式对深度图像进行逐行统计,再用随机抽样一致的方法找到各行对应道路区域的深度值区间,并设定每行中深度值的变化阈值来细化深度值区间,以此分割出道路区域。（2）对于非道路区域,本文用8-邻域的方式进行顺序扫描,并以邻近像素点的关联性作为其分割依据,将具有关联性的像素点连接,形成连通邻域。最后,对所有的连通邻域逐一标号,生成分割后的标记图像。（3）基于原始的深度图像和分割后的标记图像,本文以连续自适应均值漂移算法为框架模型,分别统计各个分割块的归一化直方图,在首帧图像中初始化跟踪目标,并以其矩形包围盒为搜索窗口的形式搜索其周围一定区域内在下一帧图像中的分割块,并利用深度直方图计算两帧中两个分割块的卡方相似性的方法,以此为跟踪依据判断分割块之间的关联性以及位置关系,从而达到目标跟踪的效果。在Kitti数据集上的实验结果分别验证了本文研究与实现的几种技术的有效性。