当今时代,随着经济的快速发展,交通堵塞频繁、交通事故增多和环境污染等一系列社会问题变得愈发严重,汽车智能化是解决这些问题的重要途径之一。智能汽车系统主要包括环境感知、规划决策和控制执行等三个部分。在环境感知中,四线激光雷达由于具有数据量适中、测量精度高和受环境影响小等优势而被广泛使用,本文研究了基于四线激光雷达的目标检测与跟踪算法,主要开展了以下工作:第一,介绍四线激光雷达的安装、标定和坐标转换方法;设计基于栅格地图最大最小高度差的滤波方法对四线激光雷达的原始数据进行滤波,实现对数据中噪声和地面点的滤除。第二,根据四线激光雷达测量数据的分布特征,结合各种聚类算法的优缺点,选择 DBSCAN(Density-Based Spatial Clustering of Applications with Noise,噪声环境下基于密度的聚类)算法作为目标检测算法,针对DBSCAN算法输入参数固定的缺陷,运用近邻规模演化算法自适应地确定算法的参数;提出最小凸包法结合遍历法的最小包络矩形提取算法,将每一个目标用一个包络矩形框表示,提取出目标的特征信息。第三,设计基于多特征信息的最近邻数据关联算法,通过构建多特征匹配函数取代最近邻数据关联算法中的欧式距离,完成相邻两帧雷达量测之间的匹配;结合卡尔曼滤波器对激光雷达视野内的动态目标进行跟踪。最后,在Ubuntu 14.04下开发雷达的可视化界面;利用湖南大学LIFAN-IV智能车实验平台进行实验,验证目标检测和目标跟踪算法的有效性。实验结果表明本文提出的目标检测与跟踪算法可以稳定、可靠地提取目标特征信息并跟踪动态目标。