在智能机器人及其相关技术研究中,自主导航技术是重点研究课题之一。地面智能机器人可以在室内外环境中实时感知周围环境特征、检测道路的可通行区域、动态规划路径等。其中,基于视觉的环境特征检测和分析是实现自主导航的关键技术之一。激光雷达作为一种主动测距传感器,测距精度高,并且具有抵抗光照变化的特点；而摄像机的特点是分辨率高,同时可以获得场景的色彩和纹理信息,类似于人类对自然环境中目标的识别方法。融合激光雷达点云和彩色图像,可以有效的克服摄像机易受光照变化因素的影响,同时三维点云也增加了色彩信息,更有利于环境中的道路特征的检测和道路周围环境的分析。本论文主要研究激光雷达点云和摄像机图像联合环境特征理解,从多传感器融合层次由低到高,研究了激光雷达和摄像机联合标定算法,激光雷达图像路边检测和路面分割,激光点云聚类算法,聚类的显著性特征分析。本论文主要针对小型地面机器人自主导航系统算法的研究,激光雷达采用体积较小的面阵雷达。激光雷达和摄像机是两个独立的系统,本文主要研究了基于点和平面两种特征实现面阵激光雷达和摄像机的联合标定,定性分析了两种标定方法的效率和精度。针对基于图像检测道路及边缘容易受到光照的影响,本文使用面阵激光雷达检测半结构化道路的边缘和路面。引入三维点云的相邻点之间相似度度量,将三维点云转化为二维相似度图像。在此基础上,采用Canny算子和霍夫变换检测道路边缘,采用迭代阈值分割可通行区域。针对目标的显著性特征分析问题,首先采用DBSCAN聚类激光雷达三维点云,引入动态阈值计算方法,解决了DBSCAN算法聚类非均匀点云阈值设定的问题,结合基于信息理论的聚类评价标准,量化评估聚类的好坏,去除聚类中噪声,优化聚类。将聚类点云投影到彩色图像得到聚类图像区域,计算聚类图像区域的熵和该区域及其周围区域的色彩对比度,结合以上特征分析聚类目标的显著性。