工程车辆常行驶于非结构化地面,快速且准确地重建复杂多变的非结构化地形,并对其特征进行识别与分类是实现工程车辆自主安全稳定行驶的前提和基础。本文围绕基于激光雷达的非结构化地形环境感知展开研究,基于激光雷达、惯性测量单元(IMU)等多传感器信息融合,研究非结构化地形三维点云准确重构,数据模型的高效预处理以及地形障碍物特征的准确识别与分类问题,为工程车辆的非结构化地形实时感知和实现其自主安全稳定行驶提供依据和参考。本文研究的具体工作为:(1)非结构化地形的准确三维点云重构。针对非结构化地形点云密度不均匀、噪声多的特点,提出包含粗配准和精配准的两步配准方法。粗配准使用多传感器数据结合改进航位推算法实现高效粗匹配,精配准则提出基于邻域信息的改进ICP算法。同时,搭建多传感器数据采集处理系统,实时地获取及处理各种数据,结合本文两步配准方法,实现对地形的三维点云重构。(2)研究针对非结构化地形点云的预处理方法。为了提高获取的地形点云的质量,强化后续地形特征提取效果,本文首先通过构造组合滤波方法实现点云的密度均匀化、平滑去噪和离群点剔除。然后设计算法逐步提取点云空洞区域的边界。最后基于三角片构造的思想,依托边界生成填充点,并最终实现空洞补全。(3)非结构化地形点云障碍物提取、聚类分割与凹凸分类。首先基于可行性分析,并通过引入高斯核函数估计,将图像边缘检测和优化方法应用于点云障碍物的提取。然后通过超体素分割改善欧式聚类方法的抗噪能力,实现鲁棒的单个障碍物分割。最后基于障碍物的剖面分析,提出快速准确的障碍物凹凸性判别方法,初步判定地形中的危险区域及其类型。综上所述,本文面向非结构化地形数据获取、预处理到特征提取的整个地形感知的全过程,拟解决由非结构化地形特点引起的地形数据不准确、干扰信息过多和障碍物提取分类困难等关键问题,初步实现了非结构化地形中潜在危险区域的准确辨别,其研究结果可为工程车辆的非结构化地形环境感知提供参考。