自动驾驶汽车作为一种交通工具,在生活工作中与人类密不可分。环境感知技术作为自动驾驶汽车的四大核心技术之一,为自动驾驶汽车提供了精确的道路环境信息,它是确保自动驾驶汽车安全行驶的关键。激光雷达凭借着其获取高精度的点云数据,成为自动驾驶汽车的主要传感器。虽然随着技术发展,在自动驾驶汽车领域不断获取重大突破,但是仍然面对着自动驾驶汽车驾驶过程中,因无法全面感知环境而引发交通事故的问题。本文以激光雷达作为主传感器的自动驾驶汽车为研究对象,结合计算机视觉技术和人工智能技术,对自动驾驶行驶环境中动态障碍物的检测与跟踪展开研究。搭建自动驾驶汽车平台。对激光雷达的测距原理以及目前市场上常用的车载激光雷达进行分析,并选用RS＿Lidar＿16激光雷达作为整个自动驾驶汽车的主传感器,收集校园环境道路的点云信息。完成激光点云的预处理工作,降低点云数量,为自动驾驶汽车的环境感知模块提供数据基础。研究了自动驾驶汽车动态障碍物检测技术。通过分析深度学习网络模型的原理和基本结构模块,明确了网络的特征提取和反向更新过程。最终选择卷积神经网络作为本文的自动驾驶汽车障碍物检测模块的基础结构,设计了一种单阶段障碍物检测器,完成自动驾驶汽车行驶环境中动态障碍物的检测。通过使用联合概率数据关联算法(Joint Probability Data Association Algorithm,JPDA)对自动驾驶汽车行驶过程中不同时刻下的障碍物建立关联匹配,再基于无迹卡尔曼滤波算法对自动驾驶汽车当前时刻下障碍物的位姿信息进行预测和更新,并对整个跟踪算法进行实时测试实验验证,最终完成自动驾驶汽车行驶环境下动态障碍物的跟踪。