随着计算机技术与汽车技术的飞速发展,无人驾驶汽车也一步步成为现实,主要的研究方向有环境感知、决策规划和运动控制,其中环境感知又可以进一步分为检测、跟踪、识别等问题,而激光雷达以测量精度高、受光线影响小的优势,成为环境感知的主要传感器。本文提出了基于激光雷达的物体检测方法、基于匈牙利算法的多目标跟踪方法和基于最小转弯半径约束的运动规划方法,以期在复杂的城市结构化道路中进一步提高无人驾驶汽车的安全性和稳定性。首先,针对物体检测的运算时间长、对噪声敏感等问题,提出了基于激光雷达的检测方法。本文选择了VLP-16型号的激光雷达,理解了它的工作原理并将点云按照空间顺序重新排列。为了适应激光雷达点云近密远疏的特点,以角度作为检测标准,先验证了路面坡度的连续性进行路面分割,再比较物体之间角度的差异性进行聚类,采用广度优先遍历的方法提升了算法的快速性。接着针对聚类后的点云,提取出带有朝向的包围框,并计算其中心点坐标。最后编写了可视化程序来验证物体检测的准确性。接着,针对漏检、遮挡等现象,提出了基于匈牙利算法的多目标跟踪方法。先将上述物体检测的中心点坐标当作瞄点,以物体大小、位置、内点个数、速度的累加权值作为判断标准,以二分图的最大匹配思想,采用匈牙利算法进行前、后帧的数据关联。进而采用卡尔曼滤波器对前一帧的预测值和这一帧的检测值进行滤波,得到这一帧物体的估计值。然后将估计值放入轨迹中,对未匹配成功的轨迹进行持续预测从而争取再次跟上漏检的物体,对于未匹配成功的物体添加一条新的轨迹。最后进行可视化实验验证。至此得到了环境中其他物体的运动轨迹。最后,针对控制模块难以跟踪上轨迹的问题,提出了基于最小转弯半径约束的运动规划方法。先通过veDYNA车辆动力学仿真软件,直观了解了车辆不足转向特性,通过建立车辆二自由度的横向动力学模型和Dugoff轮胎模型,定量分析了车辆最小转向半径与路面附着系数、纵向车速之间的关系。接着在理想结构化道路的场景下做出简单的决策指令。而后,将运动规划分成路径-速度解耦规划,根据圆弧换道模型得出预瞄点,再用三次样条插值拟合路径,在满足约束的前提下规划速度,从而得到轨迹序列点。最后在Udacity仿真平台上验证了算法。