随着人民生活水平提高,我国汽车保有量迅速增长,与此同时交通事故与交通拥堵问题日益严重,智能汽车作为这些问题的有效解决办法逐渐进入大家的视野。无人驾驶汽车相关技术正如火如荼的发展,环境感知是无人驾驶汽车需要完成的第一步工作,道路信息正确识别与提取关系到无人驾驶的成败,是无人驾驶中不可或缺的重要一环。本文基于激光雷达与图像完成智能汽车环境感知,论文的主要研究内容如下:1.基于激光雷达三维点云识别道路边界并且对道路中的障碍物进行聚类。提出一种针对有序排列极坐标点云的中值滤波方法,能够有效降低点云噪声;联合使用栅格地图高度差特征法、极坐标系极径与极角关系约束法和点云切线约束法对点云数据进行栅格化处理;提出一种在栅格地图中识别道路边界的方法,分为三个步骤:道路边界搜索、过滤与道路边界种子点生长;使用DBSCAN密度聚类法完成道路内的障碍物聚类,并得出障碍物的位置和大小信息。2.基于单目相机图像识别结构化道路车道线。首先对图像进行滤波、畸变校正和透视变换,然后根据车道线区别于背景的特点,使用顶帽变换法提取车道线种子点,对车道线种子点进行分类,最后完成车道线拟合。在车道线分类中,提出一种车道线搜索分类方法,可以有效对车道线点进行分类并提取单条车道线;在车道线跟踪部分,提出使用历史结果建立蒙版,极大减少车道线分类的计算量。3.对车辆坐标系、激光雷达坐标系和图像坐标系进行联合标定,考虑车辆侧倾和俯仰对图像透视变换的影响,将各传感器的识别结果统一到车辆坐标系中。提出若干约束条件,用于判别激光雷达与图像识别结果正确性;判别为正确后,利用激光雷达与图像识别出的道路信息,推测遗漏车道线的位置,进行再次搜索,完成道路中所有车道线的识别。4.搭建试验平台,验证本文中提出的识别方法。先后进行了基于激光雷达识别道路边界与障碍物试验、基于图像识别车道线试验和激光雷达与图像识别结果融合试验,可以准确识别道路边界和车道线,并且标记道路内障碍物位置及大小。本文中搭建的试验平台不仅完成了试验验证,而且实验平台占用较少计算机资源,有非常高的效率。