在工程应用中使用三维激光雷达的基础是对激光雷达的外参数进行标定，而对激光雷达外参标定通常都需要其他传感器的数据进行联合标定，且标定方法复杂，过程耗时较长。对此，提出一种简便的自动标定算法。首先利用RANSAC算法拟出多个平面，并通过相邻点法向量的夹角进行平面的二次筛选得到其平面方程，再根据平面方程得到平面间的交点坐标，使用反对称矩阵构建旋转矩阵，进一步利用交点坐标在雷达坐标系与世界坐标系下的不同求得近似转换关系，最后利用最小二乘思想对近似矩阵进行优化，得到较为准确的旋转位移矩阵。所提算法可以在特征点、角点点云缺失的情况下，通过平面方程拟合出较为精确的角点。仿真结果表明，该算法是可行的。

针对水面无人艇（USV）近距离海上实时目标检测时受海杂波影响严重的问题，结合海杂波空间分布特征和点云回波强度信息，提出了一种强度-空间联合过滤方法。该方法首先将点云按照距离做区域划分；接着对不同区域根据激光回波强度随距离的变化关系设置初始阈值，过滤原始点云低强度海杂波；然后对剩余的点云采取离群点滤波算法，过滤稀疏高强度海杂波，得到目标点云；最后提取离群点滤波中的空间离群点强度特征，对强度阈值滤波参数进行自适应修正。滤波方法在实船上进行了测试，实验结果表明相比于现有的全局激光回波强度阈值过滤方法，所提算法在性能上有明显提升，应用于聚类算法后其虚警率和漏警率分别平均降低了4.34%和10.47%，可以为无人艇航行避碰提供有力支撑。

针对无人船(USV)海上近距离实时性避碰检测的需求,提出一种基于三维激光雷达的USV障碍物自适应栅格表达方法。根据USV周边环境障碍物的激光雷达点云分布,建立障碍物密集度和障碍物表达时间与栅格地图分辨率之间的函数关系,自适应确定适中的地图分辨率,构建栅格地图;对三维激光雷达点云数据进行降维处理,将三维激光雷达点云投影到栅格地图,减小数据量,提高障碍物检测效率。利用三维激光雷达开展方法验证性实验,获取了三种不同障碍物场景的激光雷达点云数据。处理结果显示:环境中障碍物数量越多,获得的期望栅格地图分辨率越高,障碍物表达更精细;反之,障碍物数量越少,获得的期望栅格地图分辨率越低,障碍物表达更快速,可实现障碍物自适应栅格表达。所建立的方法可为后续USV局部避碰路径规划研究提供支撑。

针对交通环境中障碍物及可通行区域检测的问题,利用改进欧氏聚类算法进行实时障碍物检测,提出一种相邻点云间距算法以实时提取道路可通行区域。对点云数据进行预处理,再通过地面坡度分离算法进行地面与非地面点云分离;根据不同的聚类距离阈值对非地面点云进行障碍物聚类检测,使用长方体框标记区分;将每个地面激光束固有的相邻点云间距与实际相邻两点间距离进行对比,结合相邻点角度差以及点云聚类,实现可通行区域的提取;融合障碍物检测和可通行区域提取结果,对可通行区域的通过性进行合并检测。多路况实车实验表明,本文算法能准确检测出障碍物及道路的可通行区域,检测平均准确率为94.13%,平均耗时为69 ms,满足智能车实时性的要求。

为了识别植被场景中的叶片和相邻障碍物,提出了一种三维激光雷达的目标检测算法。以雷达点云中的相邻点构建邻域特征,提取新的特征参数作为判别依据,采用期望最大算法求得混合高斯模型以表征特征参数的分布情况;最后,利用马尔可夫随机场建立先验模型,在最大后验概率框架下采用图割法进行求解,得到最优目标函数。该算法已成功应用于无人驾驶平台。研究结果表明,该算法能有效地识别叶片及其邻接障碍物,可以清楚地分辨障碍物边界。与传统算法相比,该算法具有更高的稳健性和准确率,且其实时性满足实际应用的需求。

针对从三维激光雷达点云中准确实时地分割地面的问题，提出一种基于扫描线段特征的地面分割算法。算法首先对三维点云进行去噪和位姿修正，接着依据相邻点间的欧氏距离和绝对高度差分割扫描线，然后对扫描线段的相邻线段间距、倾斜度、绝对高度差等特征进行分析，采用最大似然估计法求解特征阈值函数，提高了阈值的自适应性；最后综合考虑起伏、倾斜等复杂地形，通过制定横、纵向分类策略将扫描线标记为平坦地面线段、坡面线段和障碍物线段。本算法已成功应用在地面无人平台上，使用情况和对比试验表明，在城市和野外场景中，本算法都能够稳定高效地分割地面。

环境感知是无人驾驶的核心技术之一,而利用三维激光雷达进行障碍物检测一直是国内外的研究热点。本文首先按照传感器的种类介绍了无人车障碍物检测方法的分类,然后介绍了基于三维激光雷达进行障碍物检测的基本原理,之后详细分析了基于三维激光雷达进行障碍物检测的传统方法。其中深度学习是二维图像目标检测及分类的重要方法,在介绍三维激光雷达点云特点的同时分析了点云深度学习的挑战,最后详细分析了三维点云深度学习在障碍物检测方面的研究现状以及发展趋势,并且介绍了自动驾驶领域的KITTI数据集和ApolloScape数据集。

针对车载三维激光雷达在工作前需要对安装外参数进行标定的问题, 综合考虑激光雷达的扫描光束不可见、多线式扫描等特点, 提出了一种激光雷达外参数的标定方法。首先对普通纸箱进行扫描, 以纸箱两个侧面和地面间的相互垂直关系作为约束, 采用随机抽样一致性算法(RANSAC)在获取的点云数据中拟合出三个平面的初始模型, 并通过旋转、平移步骤优化平面模型的拟合精度, 从最优模型中提取同名向量和同名点; 然后基于空间向量的三维坐标系转换模型, 对激光雷达的旋转和平移参数进行求解, 只需采集一次数据即可完成所有外参数的标定; 最后结合仿真和在标定后对室外环境三维重建的结果, 验证了算法的有效性。

针对无人车三维激光雷达与全球定位系统/惯性导航系统组合导航系统安装位置关系难以准确测量及相对转角无法直接测量的问题,提出一种基于多对点云同时匹配迭代生成外参数的方法。首先选择车辆直线往返行驶中位置相近、方向相反的激光雷达点云对进行匹配;然后设定参数区域中心、初始步长及步数,遍历参数组合,寻找目标函数最小时的外参数组合并更新为最优迭代区域中心;最后不断缩减步长,直到得到满足精度要求的最优外参数。实验采集了两段环境不同的数据,分别采用较优和较差的参数初始迭代中心以及不同步数进行标定。结果表明,所提方法用时短,对于非理想参数初值也能够得到较好的标定结果,而且标定方法简单,无需专门的标定物即可达到需求的标定精度。

无人车三维激光雷达与GPS/INS组合导航系统融合使用，需要对两者之间的相对位姿进行标定。针对车辆运动过程点云畸变的现象，提出了一种单帧点云中激光扫描点坐标修正方法。针对标定问题，建立了标定模型，提出了一种基于ICP算法和手眼标定模型及最小二乘法进行外参数标定的方法。通过蒙特卡罗仿真实验，对该方法的有效性和精度进行了仿真和验证。在实验室JJUV-6无人车平台上进行标定试验，得到两者之间的三维位姿关系。对比标定前后三维点云重建效果，点云重叠度接近于配准效果。基于应用的目的，基本满足二维地图构建和三维环境重建的需求。