无人驾驶技术成为了全世界研究的热门。无人驾驶汽车是由一个庞大的知识体系构成,主要需要解决四个方面的问题,即定位,感知,决策,控制。无人驾驶汽车不仅可以缓解交通压力,而且在工况危险的矿区,无人驾驶汽车可以代替人执行作业,增加了矿区工人的安全性。激光雷达在无人驾驶汽车环境感知中起着至关重要的作用,并具有检测距离远、精度高、受环境影响小等特点。激光雷达可以为无人驾驶车辆提供足够的道路环境信息,并可以满足无人驾驶车辆所需的实时性,具有重要的理论研究价值和工程价值。本文主要研究内容如下:(1)根据激光雷达的安装位置及其数据特点进行分析,提出基于多雷达融合的雷达数据预处理,首先,利用多激光雷达对智能车前方区域进行组网融合。其次,针对不同雷达的频率与位置关系对其进行时空对准。最后,提出基于特征的融合表决法检测障碍物,提高障碍物检测率。(2)根据雷达扫描融合数据特点,提出了一种基于多激光雷达可行驶区域信息提取算法。首先,根据雷达返回数据的特征结合数据区间密度分布获得路沿点集并利用基于加权欧氏距离的K-最近邻(K-NearestNeighbor,KNN)改进的OPTICS算法对得到的路沿点聚类。然后,使用最小二乘法拟合出两侧路沿。最后,通过改进的OPTICS算法对可行驶区域中雷达点云聚类,检测出决策所需的障碍物信息。解决了障碍物信息由于噪点而提取不准确的问题。(3)根据多雷达融合数据,在逆传感器模型建立栅格地图条件下,提出一种利用模糊逻辑矫正权值变量对贝叶斯后验概率进行限制的算法。应用改进的贝叶斯推理更新栅格状态并利用冲突变量检测动态障碍物。最后,通过膨胀、腐蚀、改进连通区域标记法等图像处理手段提取障碍物信息及可行驶区域信息。该方法解决了原始贝叶斯推理方法在栅格概率趋于极值时,若栅格状态发生改变则体现出的很强的滞后性。(4)在障碍物跟踪方面,根据车辆目标的特性建立椭圆及位置动态跟踪门,排除干扰回波减少联合事件个数;其次,将筛选后的回波根据目标所在区域进行聚类;最后,根据不同类别内的目标与其双门限内的多个回波分别计算各类的关联概率。算法有效减少了联合事件个数,并且通过目标分割可以简化拆分确认矩阵的个数减少计算量。