本文主要针对结构化道路环境下车辆对周围障碍物信息的感知需求,利用三维激光雷达进行障碍物检测和跟踪,为车辆主动制动、主动避障等提供障碍物的位置和状态信息。为了建立随车辆位置变化而变化的感兴趣区域,文章首先利用摄像头检测车辆前方车道线,并计算自车左、右车道线位置,从而获得感兴趣区域的横向动态边界。考虑到栅格地图分辨率对障碍物检测的影响,通过分析激光雷达的水平分辨率来确定其值大小。为了激光雷达相关定位参数测量时的可实施性,建立激光雷达坐标系、车体坐标系、图像坐标系以及三个坐标系之间的转换关系,并将激光雷达数据向二维图像中投影,获得栅格地图。接着分析了激光雷达原始点云数据中噪声点的产生原因,并针对栅格地图的灰度特征,对传统中值滤波算法进行改进。在此基础上,分别运用最值高度差法和基于栅格最值的占领栅格法对栅格地图进行背景点云分割,去除对车辆安全行驶影响较小的地面点云数据,得到只包含障碍物点云数据的障碍物栅格地图。进一步的,为了减小障碍物点云数据之间的距离,加强点云数据之间的关联性,引入形态学运算对障碍物栅格地图进行预处理操作。接着提出一种基于邻域搜索的密度聚类标记算法,对障碍物栅格地图中的点云数据进行聚类。运用方框模型对聚类结果进行参数化建模,提取障碍物位置信息以及状态信息。考虑到每帧激光雷达数据中不只包含一个障碍物,结合相邻帧的相同障碍物点云形态近似,而不同障碍物点云形态差别较大的特点,利用一种多特征的最近邻算法并引入关联矩阵对前后帧障碍物列表中的障碍物进行关联。最后提出基于动态特性的动态障碍物提取算法,并利用扩展卡尔曼滤波器对动态障碍物进行跟踪。实车实验结果表明,本文所提的算法能够完成感兴趣区域范围内障碍物的准确检测和稳定跟踪。