随着汽车越来越智能化,智能车的关键技术被认为是汽车行业的革命性技术。本文利用数据量适中、抗干扰能力强和测量精度高等优点的VLP-16线激光雷达对智能车可行驶区域的障碍物检测技术进行了研究,针对结构化道路下智能车对周围环境进行感知,为车辆路径规划、主动制动、主动避障等提供环境信息。首先为了获得准确的激光雷达点云,结合GPS/IMU获得的数据信息对激光雷达进行点云校准,为了便于提取激光雷达向上和向下的激光点云,对激光扫描线重新排序。在此基础上建立了三个坐标系,校准后的激光点云以激光雷达坐标系生成,并将激光点云从激光雷达坐标系转换到车体坐标系进行统一,之后转化到图像坐标系并在其中显示检测的结果。然后介绍了可行驶区域边界提取过程。第一步建立了多属性栅格地图用于存储提取的环境信息;第二步为了能更好更快地分割地面点云,提出了一种多范围迭代平面拟合方法对激光雷达校准点云进行了点云分割,获得地面点云与非地面点云;第三步为了避免路沿提取时容易出现的误检和漏检,提出了一种相邻点多特征的分层方法为每个激光扫描层提取准确可靠的道路边界候选点,进一步地利用RANSAC算法和最小二乘法对候选路沿点进行分类和拟合。接着介绍了一种基于网格邻域关系的障碍物检测方法。分析了障碍物聚类算法,并使用区域条件过滤和网格过滤对数据进行处理。在处理激光雷达点云数据时,根据栅格地图中的点云分布,提出了一种基于网格邻域的聚类算法,并结合欧式距离聚类,既能够发现任意形状的簇,又能够减少处理的数据量。此算法将占用栅格以坐标点的形式表示,不关注占用栅格里具体的点属性,利用这种处理方式能够提高系统的实时性以及聚类的准确性。最后通过本实验室的智能汽车平台进行了大量的实车实验,验证了所提出的可行驶区域边界提取方法、障碍物检测方法的实时性和准确性,并对实验结果进行了分析和讨论。