为了减轻交通压力、改善交通环境、提高交通安全,人们开始在无人驾驶方面进行了大量的研究,其中在无人驾驶的目标跟踪方面,为了及时准确地判断目标的运动情况,通常选择摄像头、毫米波雷达、激光雷达等设备进行信息采集,其中激光雷达因测量精度高、环境适应能力强等特点被作为最主要的信息采集设备之一。本文通过激光雷达进行目标信息采集,在其扫描数据的基础上进行目标跟踪等相关研究,其主要研究内容如下:在目标检测过程,首先采用Voxel Grid滤波器对点云数据进行降采样,保证点云特征不变的情况下减少点云密度,然后采用平面拟合算法对地面点云进行分割去除,采用统计滤波器对点云进行噪声点去除,为了更准确地对处理后的点云进行聚类,提出了一种改进的聚类算法,即在欧式聚类算法的基础上引入了不同区域设定不同聚类半径阈值的方法,并针对人和汽车相临近时容易聚为一类的情况引入反射强度进行判断。在目标跟踪过程,为了能够更好地估计目标状态,本文在粒子滤波算法的基础上,结合正则化思想和无损卡尔曼滤波提出了一种改进的粒子滤波算法,即在重要性密度函数选择上采用无损卡尔曼滤波进行状态更新,在粒子重采样过程中采用正则化步骤优化粒子的重采样,并在无损卡尔曼滤波中采用最小偏度单形采样策略进行Sigma点的选取,从而在保证估计性能的同时降低了计算时间。在数据关联方面,为了目标跟踪的实时性,本文在联合概率数据关联方面通过在位置和速度大小设定阈值对量测进行选取,并对量测与各个目标的关联概率进行衰减操作。