多线激光雷达可以快速地提供大范围内的高精度点云数据,它为自动驾驶汽车对环境的感知提供了可靠的数据保障。车辆对周围环境和自身运动状态的正确感知是自动驾驶汽车自主决策的前提,其中,对自身运动的感知主要是判断自动驾驶汽车自身在当前环境中的位置和姿态,它为车辆的路径规划和运动控制等提供了决策依据。基于多线激光扫描点云的运动估计可以使自动驾驶汽车不依赖于卫星导航系统和惯性导航系统,从而减少天气或环境的干扰,提高车辆在复杂环境下位姿估计的可靠性和精度。因此,它成为了国内外研究的热点,并被广泛地应用到机器人自主导航和场景三维重建等任务中。本文围绕基于多线激光扫描点云的运动估计这一关键科学问题,首先,分析了基于点云匹配进行运动估计的优势以及现有方法中存在的问题;然后,针对:现有的运动估计方法难以从点云数据中提取鲁棒的特征描述来建立点云之间有效的匹配关系,单一地利用几何信息难以建立点云之间可靠的匹配关系,环境中存在不利于估计激光雷达自运动的干扰元素（比如动态物体）这三个问题分别展开了三个方面的研究:面向三维运动估计的点云深度特征描述、引入语义信息的激光雷达点云匹配、融合掩码预测的激光雷达自运动估计,并分别提出了 FeatFlow、DeepSIR和LO-Net三个算法;最后,本文在多个公开的激光雷达数据集上对所提出的三个算法分别进行了实验分析并验证了算法的有效性,与相关方法的对比实验结果表明了本文算法的优越性,算法出色的性能使其可以用于各种依赖于激光扫描点云作运动估计的应用中。