激光雷达作为辅助驾驶系统中一种重要道路探测传感器,其具有高精度以及信息丰富等优点,用以检测、识别物体,提供驾驶环境信息。激光雷达属于主动式传感器,不依赖外界条件获取信息,具备昼夜工作能力。由于目前所使用的905nm、1550nm波段受到天气干扰,雨滴、雪花、烟雾对激光光束带来衰减,阻碍激光回传,导致激光雷系统探测性能受到影响、探测精度降低。故研究复杂天气下激光雷达的道路检测,增加点云图像清晰度,对于增加驾驶安全性具有重要意义。本文研究了不同天气情况下基于激光雷达的道路检测。分别进行雨雪两种天气环境中激光雷达目标成像实验,将雨雪对激光散射情况进行理论分析。根据激光在不同环境中衰减模型,得到激光雷达最远探测距离并通过实践验证,对点云数据的分析将目标物准确聚类并分割。主要研究内容如下:（1）对激光雷达的检测机制和相关影响因素进行了分析。以激光雷达基础理念出发,雷达探测机理及影响因素分析研究。从激光雷达的基本概念入手,介绍了激光雷达的组成、分类、结构与探测机理等方面,分析激光雷达工作原理,得到激光雷达的探测功率方程,并研究激光在大气传输过程中的衰减模型,结合Mie散射等理论,最后具体得出激光雷达探测距离性能与衰减系数的函数表达式。同时基于此搭建实验平台,获取不同天气条件下激光雷达点云数据,与理论模型进行对比,在各天气情况下,仿真探测距离与实验数据最大探测距离之间相对误差在2%-9%之间。可以看出,激光雷达实际衰减与理论模型计算结果一致,证明了理论模型的合理性。（2）激光点云的目标检测处理研究。由于原点云中含有大量的噪声信息,所以先进行了原始点云的预处理。考虑被检测目标均在激光雷达安装位置的较远处且激光雷达安装具有一定的高度,因此设定激光雷达安装原点0.5m至激光雷达最大探测距离内的数据为实验有效数据,则激光雷达0.5m内的数据认定为与后续工作无关数据,直接舍弃。由于采样场景均为雨雪等复杂且广阔的场景,故原始点云数据中心包含一定数量的远离目标物体的离群点,本文基于统计离群点滤波方法来进一步滤除掉大量的离群点。而后采用布料模拟法划分地面点与非地面点,在降低后续处理计算复杂度的同时,有利于后续局部特征的提取和后续的目标聚类检测。实验结果证明在雨雪天气环境下,经过处理,可以消除掉一部分由天气带来的影响。最终各个采样场景中的动态以及静态目标均有效的按照其外形特征被成功区分。