作为一种自主车环境感知的主动传感器,激光雷达从上世纪90年代起得到了迅速的发展。激光雷达依靠自身发射的激光束直接获取环境的三维深度信息,具有不受光照影响、受外界干扰小和稳定可靠等优点,因此在移动机器人领域中得到了广泛应用。在复杂的动态环境下,如何实现稳定可靠的运动目标跟踪一直以来是自主车动态环境感知的重要研究目标之一。本文在激光雷达获取的大规模三维点云数据基础上,对实现运动目标的可靠跟踪开展了研究。稀疏学习已经在视频运动目标跟踪中取得了不少成功的经验,但受视频图像易受光照变化和遮挡等的影响,距离实用尚还有一段距离。受此启发,本文结合激光雷达受光照影响小、距离数据稳定可靠的优点,提出了一种全新的基于激光雷达的运动目标跟踪算法。算法以粒子滤波为基本框架,将目标跟踪转化为一个多任务多特征的稀疏学习问题。首先提出了目标的多特征表达方法,在目标表达模型下建立了超完备模板库。结合多任务多特征稀疏表达方法,在各个特征空间中将候选目标表达为超完备模板库中模板的线性组合,并通过最小化重构误差筛选得到最终目标。结合激光雷达的深度优势,在模板更新中进一步提出了目标深度估计和遮挡检测方法,有效避免了背景对于目标稀疏表达的干扰,降低了遮挡物被更新到目标模板中的风险。大量实验结果表明,所提出的目标跟踪算法性能较高,达到了预期的效果。