智能汽车集人工智能、先进的传感器技术、计算机控制技术等于一身,通过传感器和车载处理器感知环境,并根据感知信息对车辆进行控制,实现自动驾驶,为道路交通问题提供了新的解决方案。激光雷达因其测距精度高,能够获取精确的目标位置,从而可以更准确地对智能汽车周围环境进行构建,在智能汽车环境感知中发挥着不可或缺的作用。因此基于激光雷达,对车辆周围的障碍物进行检测,提取道路边界,检测动态障碍物,确定车辆周围可行驶区具有重要研究意义。针对智能汽车环境感知中的障碍物检测问题,对以下几个方面展开研究:首先从道路检测的角度出发,研究车辆前方道路可行驶区域和道路边界提取方法。基于二维激光雷达检测前方近距离道路可行驶区域,根据激光雷达扫描点在路面的连续性和路面与非路面之间的跳变性对点分割,选择路面点作为可行驶区域。对三维激光雷达数据,采用主动轮廓模型的方法检测道路边界,根据三维激光雷达扫描数据建立障碍物栅格图,然后在栅格图转化的二值图像中,利用气球Snake模型提取图像中的边缘,从而提取出道路边界。然后针对三维激光雷达快速障碍物检测的问题,对点云地面分割的方法进行研究。先采用随机抽样一致性算法,用平面代表地面模型,用栅格最低点拟合地面然后对点云分割;针对有斜坡等不平顺地面分割的问题,采用二维高斯过程回归增量抽样一致性算法,选取出栅格最低点中的地面种子点集,然后用地面种子点集对所有扫描点进行分割,实现了在不同场景中地点云地面分割。最后针对动态障碍物检测的问题,在点云分割的基础上,将非地面点作为障碍物点,建立局部障碍物栅格图。基于贝叶斯理论,采用局部障碍物栅格图建立全局静态障碍物栅格图。对局部障碍物栅格图和全局静态障碍物栅格图做差分,得到可能障碍物栅格,对差分后的栅格基于距离对栅格中心聚类,用最小矩形包络法提取目标质心,然后用贝叶斯理论和目标跟踪的方法结合检测动态障碍物,得到全局的静态障碍物栅格图和动态障碍物的位置以及速度信息。以改装的智能汽车为平台,在校园环境中采集了大量数据,并对数据进行处理分析,结果验证了方法的可行性和有效性。