复杂环境下道路特征检测是室外智能机器人自主导航的重要研究内容之一。由于单线激光雷达数据量小、测距精度有限等原因,传统的仅装载单线激光雷达的中小型智能机器人难以处理复杂场景下的道路特征检测问题。为了解决这个问题,本文将多帧单线激光雷达数据进行融合,根据多帧激光雷达数据间的时空关联特性获得较大区域内的环境信息,并基于该环境信息检测道路环境的特征。本文主要研究多帧激光雷达数据融合的道路特征检测技术,论文从基于圆弧的航迹推算、GPS/DR(Dead Reckoning)联合定位、多帧单线激光雷达数据融合、单帧激光雷达数据道路边界检测、多帧激光雷达数据间相关性分析、道路边界直线和曲线拟合、基于高程栅格地图的障碍物检测、可通行区域提取等方面开展研究工作。本文的主要研究成果如下：为了克服传统DR定位方法精度不高的缺点,本文采用基于圆弧的运动轨迹进行DR定位,该方法可以有效提升DR定位的精度。针对单帧激光雷达数据道路边界检测问题,本文设计了双闽值检测的方法进行处理,该双阈值的选取具有自适应性。根据多帧激光雷达数据间的相关性分析建立约束条件,实验结果表明通过该约束条件可以有效提升边界检测的准确度。采用最小二乘法进行道路边界拟合。针对直线最小二乘法不能拟合垂直分布的边界点问题,本文采用坐标轴转换的最小二乘法进行处理；针对曲线道路边界点分布稀疏不同的问题,本文采用基于分段的加权最小二乘法进行拟合。针对障碍物检测问题,采用直方图获取道路路面区域的特征,根据该特征分割出障碍物所在区域,该方法可以解决障碍物目标太小、特征不明显的问题；对障碍物区域采用链路跟踪算法获取障碍物的轮廓信息,并对检测出的轮廓结果进行了改进,以便于获取障碍物的更多有效信息。针对可通行区域提取问题,采用基于区域增长的算法：以当前机器人所在位置作为种子,以相邻栅格区域的高度差作为区域增长的规则提取可通行区域。实验证明该方法可以处理多种复杂场景下可通行区域提取问题。