随着科技水平的快速迭代,汽车工业得到了很大的发展。伴随着计算机技术革命以及人工智能技术的兴起,使得无人车技术逐渐发展起来。无车人技术兴起的另一个原因是汽车的保有量增加,某些复杂场景下车辆过多会导致风险增加。目前的无人驾驶技术已经发展出一套体系,主要包含环境感知、路径规划、智能决策等,其中的环境感知技术更是所有技术的基础模块,在整个系统中有着巨大的作用。现有的端到端三维目标检测网络在近距离的情况下,其误检和漏检没有很好的被解决,这就降低了自动驾驶的安全性。本文通过利用三维点云的空间几何信息来实现目标检测,通过增加无人驾驶系统的冗余来提高环境感知的安全性,以下本文的主要工作及贡献:1.针对地面点云欠分割的现象,提出将三维点云映射到栅格图里面,然后利用RANSAC和最小二乘结合的方法来进行地面点云的检测和滤波。2.针对非地面点云存在噪声,对目标聚类产生影响的情况,使用了基于密度的聚类方法,这样可以将噪声点云直接滤波,同时得到非地面点云目标聚类的结果。3.针对感兴趣区域的目标检测,提出对聚类的点云进行一系列预处理之后,用Point Net++分类网络进行训练,得到基于点云的分类器。