随着经济与科技的不断发展,公路里程数和汽车保有量在不断增长,在方便了人们出行的同时带来了众多的问题,其中最为突出的就是交通拥堵和交通事故。为了解决这些问题,无人驾驶汽车应运而生。在无人驾驶系统中,最为重要的就是环境感知系统,环境感知系统的好坏直接决定了无人汽车的安全性。传统的环境感知系统以视频图像传感器作为主要传感器进行环境信息采集,然而在光线环境较差的条件下其劣势也凸显出来。车载激光雷达的出现弥补了图像传感器的不足,在光线较暗的条件下仍可正常工作,并且可以充分感知环境的空间信息,近年来在环境感知方面的应用也越发广泛。通常车载激光雷达在无人驾驶系统中只用于构建高精地图而使用,为了能使车载激光雷达能够胜任环境感知的任务,本文设计了一种使用车载激光雷达感知车辆周围环境,并识别出人车目标的方法。本文主要研究内容为以下几个方面:(1)阐述了车载激光雷达的工作原理,利用激光雷达对环境进行扫描并获取了原始激光点云数据,通过ROS系统及PCL点云库对点云数据进行可视化解析得到激光数据点的空间三维坐标。之后,分析了激光点云数据的相关特点,并为后续的目标识别工作制定了数据处理方法及步骤流程。(2)对原始激光点云数据进行了预处理操作,包括激光点云的数据的降采样、地面点云数据的分割以及激光点云数据聚类处理。在数据的降采样处理中,本文使用了体素栅格算法,减少了点云数量,减轻了系统的运算负荷。地面点云分割处理后,使无关点云不会进入到聚类操作处理,提高了聚类操作的准确性。而在激光点云的聚类操作中,通过比对多种点云聚类算法原理,最终选择了欧氏聚类算法,对前两步预处理后的点云数据进行聚类处理,获得了一系列相互独立的点云簇,为后续的目标识别操作提供了待选目标。以上三步预处理操作均在实验中得到了验证,且实验效果较好。(3)人车目标识别的主要过程是首先识别出车辆与非车辆目标,之后在非车辆目标中将行人识别出来。车辆的识别流程为:点云目标聚类;提取点云特征值;利用支持向量机(SVM)训练分类器对车辆目标和行人目标进行识别。其中,详细讲述了车辆目标和行人目标识别中所用到的特征。在车辆目标识别问题中,考虑到物体间遮挡以及车辆外部形状的不确定所性所产生的相关问题,利用激光点云数据具有的特点,找出了两种特有的特征描述:物体的反射强度分布特征、物体轮廓的高度分布特征。在行人目标的识别问题中,先分析了目前基于激光点云数据的行人检测方法的研究现状,考虑到设备性能和算法的执行效率,最终选择利用几何特征即点云目标的长宽高比例来快速判断行人目标,保证了目标识别的执行效率。本文通过将激光点云数据获取、激光点云数据的预处理以及提取待识别目标特征信息训练SVM分类器等一系列流程,实现了激光点云数据中的人车目标识别。