的道路网络不能保证任何时候都实事求是地反应所有道路的完整信息（特别是在农村地区）。  
在本文中，我们描述了一个快速的路面障碍物识别算法，该系统可用于实时检测道路以
及障碍物特征。几何特征，从 2D衍生到3D激光雷达，包括附近的“致命”障碍，如路缘石、
护堤和道边等。障碍被检测为 3D点云，显示在实时监测程序之中。
这篇论文的结构如下。第二节讨论研究所用的 64 线雷达以及其使用现状。第三节阐述
和讨论了现有的障碍物识别算法。第四节详细说明了一种可行的算法实现。第五节为论文总
结。 2  激光线雷达在无人车上的应用
近二十年来对无人汽车的研究，能够在工作之前检测并跟踪道路。我们没有足够的时间
来参考这个领域的所有成果，只能希望通过提供一个大面积多方面的抽样来做不同方法的评
估。一些早期的成功无人驾驶汽车，如 NAVLAB的无人驾驶汽车，使用计算机视觉算法寻找
道路和交叉口的形状。无人驾驶汽车高速行驶在公路上时使用摄像机根据道路上画的线检测
行车的轨道。研究基于视觉的道路检测已经扩大到包括处理既跟踪标记和未标记的道路，以
及情况道路拆分和联接。
仅通过相机通常比激光测距成本更低。但每一种设备都有自己的优点和缺点。相机可以
捕捉的视觉边缘和颜色，因此已成功地用于下述质地和颜色为基础的道路。三文结构能够从
车辆运动状态来推断。然而，相机是无源传感器，有灯光和阴影。通常情况下，相机更适合
跟踪道路，其中的特定功能，如道路线可以直接被检测。
激光雷达具有能够直接测量距离的优点，但一直仅限于在一个时刻获取数据。无论外观
还是照明，激光可以沿着道路的物理边界探测和跟踪。因此，它们非常适用于越野导航和追
踪。我们的方法采用基于几何的检测采用密集的多激光雷达点均发现障碍以及道路边界的特
征。一种方法利用道路表面的几何特征边界检测道路形状。几何特征，如路肩，护坡，排水
沟和墙壁，结合与变化的斜坡地面或高度道路。激光雷达可以使用边缘检测复原的道路边获
取道路的几何形状。但是在我们的应用程序中，数据处理的量显著大于之前。其结果是，必
须实现一个快速、高效和健壮的障碍物识别器。
激光雷达技术从上个世纪 60年代开始，得到了十分迅速地发展。激光雷达能够简单地得
到所处环境物体的高度值等信息，通过扫描反馈的结果，能给无人驾驶汽车的行驶提供实时、
高效的指导数据。基于三文雷达的无人驾驶汽车障碍物识别算法至今已取得了许多非常先进
的研究成果。近些年来，由于三文雷达清晰度较高并且费用消耗较少，它在障碍物识别、道
边检测、和自助导航等方面已经被广泛地使用[1]
。基于三文雷达的障碍物识别算法对于无人
驾驶汽车的研究有着巨大的作用。从普遍意义上说，无人驾驶汽车是一种以能够自主进行移
动的以汽车为基础的机器人。因为人们操控汽车的经验已经相当丰富，而车辆的控制系统也
日渐完善，并且车辆的设计普遍使其具有比较灵活的操控性，因此常常被用作实现自动驾驶
功能的主要承载原型之一。无人驾驶汽车是一种能够在各种不同环境中连续自动驾驶的可自
主移动的智能机器人，它无论是在军用还是民用方面，都存在着很重要的研究意义和非常宽
广的使用空间。本项目旨在从理论和实践两个方面，对基于三文激光雷达的无人驾驶汽车障碍物识别算法进行讨论。无人驾驶汽车上比较常见的雷达传感器主要有以下几种：单线激光 基于三维激光雷达的障碍物检测算法(2):http://www.youerw.com/jisuanji/lunwen_19875.html