无人驾驶车辆作为智能机器人中重要的一类,已经成为世界各国高科技领域研究的战略性目标,在民用领域和军用领域都引起了广泛的研究。真实交通环境中存在行人、车辆等动态目标,近来多起无人驾驶车辆交通事故是由于没有准确检测到动态目标导致的。无人驾驶车辆需要对周围的动态目标进行检测,得到其准确的运动参数,才能做出安全的驾驶规划和决策。相比于相机、毫米波等其他无人车环境感知传感器,三维激光可以提供精确的环境深度距离信息,而且光照等环境干扰较少,是无人驾驶车辆的重要传感器。本文利用三维激光雷达输出的点云数据,采用基于检测-跟踪的算法框架对动态目标进行检测跟踪,包括动态目标的检测与跟踪、运动状态估计。针对目标检测过程采用连通域分析从栅格地图中聚类得到目标轮廓参数不准确的问题,对聚类提取的目标进行边缘轮廓拟合,从而得到贴合目标轮廓边缘的矩形轮廓。针对激光雷达检测到目标矩形中心点位置可能发生跳变的问题,通过分析三维激光雷达观测目标的特点,建立动态目标特征点观测模型,并采用跟踪门与联合概率数据关联相结合的方法对前后帧检测到目标进行跟踪。为准确估计激光雷达检测到的动态目标的运动状态,采用高斯混合模型方法对动态目标的运动形式进行识别模型,建立直线运动估计模型和转弯运动估计模型,采用与目标当前运动形式对应的运动模型对动态目标的运动状态进行估计。本文通过KITTI公开数据集测试和实车测试对本文动态目标检测算法进行验证。利用KITTI数据集中的三维目标检测数据集和实车道路测试验证算法对动态目标检测和运动形式识别效果,实车测试验证对直线运动和转弯运动的动态目标运动状态估计效果。测试结果表明本文算法可以稳定地检测无人车周围的动态目标,为无人驾驶车辆动态障碍物避让提供可靠的动态目标信息。