论文研究了无人车2D激光雷达结构化环境感知技术,包括环境模型构建、道路区域检测与理解和移动车辆检测跟踪等问题。本文取得的主要成果和创新点如下:1、引用人类视觉感知原理,构建了一种分层室外动态环境模型。利用不同层次的不同特点,简洁地表示无人车周围的环境信息,实验表明该模型的正确性。2、提出一种基于2D激光雷达序贯数据的路边检测方法,包括三个算法:结合多约束条件的Hough变换直线路边检测算法、应用1D高斯回归的曲线路边检测算法和采用多模型随机抽样一致(Random Sample Consensus,RANSAC)曲线路边检测算法。实验结果表明该方法能准确有效地检测直线和曲线路边,正确率达到86.8%。3、提出了一种基于马尔科夫随机场模型的环境主方向提取方法。该方法把环境主方向求解过程建模为一个多变量优化问题,合理的优化目标函数和变量取值范围使优化目标函数存在唯一的全局最小值;通过稀疏变量和合理选取初始值,提高算法的收敛速度。实验结果表明该方法可以正确提取环境主方向,并且算法的运行时间小于100ms,满足实时性要求。4、提出了一种基于2D激光雷达的移动车辆检测跟踪方法。该方法首先利用改进的车辆测量模型对车辆进行初步检测跟踪,然后用新提出的有约束非线性优化车辆几何模型精确定位算法进一步提高车辆检测跟踪的精度。构建了一个多滤波器组合的移动车辆3D点云重建方法。实验结果表明无人车能在静止和运动两种状态下对道路上的单个或多个移动车辆进行准确的检测跟踪,并实现3D点云重建。以上成果已成功应用于国家自然科学基金重大研究计划重点项目“高速公路车辆智能驾驶中的关键科学问题研究”(90820302)中。