无人驾驶技术是当今前沿科学技术的重要发展项目,它对于社会和经济发展、国防建设以及科技发展等多个方面都具有重大的影响力。无人驾驶技术涉及认知科学、传感器技术、计算机技术、人工智能及车辆工程等交叉学科内容,既包含基础理论方法的研究与关键技术的突破,也涉及到大量的工程设计与实现问题。在无人驾驶技术组成单元中,环境感知系统是至关重要的一环,是无人车安全性和智能性的保障。其中,道路信息的检测是环境感知系统的核心问题,基于道路信息检测的车道线检测技术、障碍物检测技术以及道路边界检测技术属于无人车感知系统的关键技术,是无人车能够自主安全驾驶的必要前提条件,一直也是研究的重点和难点。本文的研究针对无人车环境感知系统几个关键技术展开,内容包括传感器系统标定、车道线检测、障碍物检测以及道路边界检测几个方面,并研究了在实际工程设计与实现中一些具体的技术手段。本文具体的研究内容及创新之处包括以下几个方面：1)对无人车的国内外发展现状进行了调研,分析比较了国外无人车环境感知系统技术的实现方法,提出了环境感知系统面临的关键问题。并在此基础上,提出了“智能先锋”系列无人车环境感知系统的设计思路和本文的研究内容。2)研究了激光传感器和视觉传感器的标定方法,设计并实现了激光传感器及视觉传感器的自标定和联合标定方法。通过设计可视化操作界面来获取特征点的位置,降低了激光传感器和视觉传感器数据的特征获取及匹配难度,提高了标定效率及准确性,为后续算法处理提供了条件。3)针对单幅图像信息量少,抗干扰能力差的问题,提出了一种基于逆透视变换时空域匹配融合的车道线检测与跟踪算法。算法结合惯导传感器信息,利用相机逆透视变换算法及SAC-IA算法,实现车道线特征的时空域匹配融合。相比较传统车道线检测算法,获得了更大范围且数据量更丰富的车道线特征数据,并采用基于密度特征的线性聚类算法,实现对车道线的特征数据聚类及滤除干扰;引入预测-跟踪模型进一步提高了检测的准确性。通过实验效果及数据统计分析表明,算法增强了车道线检测的抗干扰能力,准确性和鲁棒性高。4)针对无人车系统要求障碍物检测可靠性及稳定性高的问题,提出一种基于四维空间滤波的三维激光雷达障碍物检测算法。算法采用空间邻域分析的方法对三维激光雷达数据进行处理来检测障碍物,避免了传统基于栅格地图最大最小高度差障碍物检测方法因欠分割而导致的漏检问题。算法还改变了传统障碍物检测方法只在三维空间进行处理的情况,转化到有时间域的四维空间来进行滤波处理,可有效降低因无人车颠簸等造成的“虚警”问题,提高了检测的稳定性。实验效果及数据统计表明,算法对道路环境中各种常见的不同类型障碍物检测性能都表现良好,可靠性及稳定性高。5)针对复杂道路环境下的路面提取问题,提出一种基于B样条模型的三维激光雷达道路边界实时检测算法。算法采用基于三维激光邻域曲率梯度分割的方法提取道路边界特征,可以实现道路边界非常不明显情形下的特征点提取：利用自适应圆形搜索算法获取候选道路边界数据,并利用FCM算法实现道路边界特征点聚类,滤除干扰：算法还引入道路模型知识,利用B样条模型拟合出道路边界,提高了对干扰及不连续等外界影响的鲁棒性。算法克服了以往算法对道路边界形状和高度要求比较高的问题,且能适应多种道路环境。实验及数据统计分析结果也反映了算法稳定可靠,满足无人车在复杂道路场景里环境建模及路径规划的需要。