王 涛 ，曾文浩 ，于 琪

（西南交通大学电气工程学院，四川 成都 610031）

近些年，随着人工智能和机器人技术的不断发展，无人驾驶汽车作为人工智能领域的一个重要的分支已经成为国内外的研究热点. 无人驾驶汽车主要通过激光雷达、相机、毫米波雷达、IMU (inertial measurement unit) 等传感器实现对周围环境的感知.障碍物检测和跟踪是环境感知的重要环节，检测和跟踪的效果好坏直接影响无人车的安全行驶. 近些年基于相机图像的检测技术获得了很大发展，但是其检测效果易受光线等环境影响. 激光雷达则因其能够获得障碍物的基本形貌、距离和位置等信息，同时具有精度高等优点，被广泛运用于无人驾驶的障碍物检测和跟踪中[1].

国内外学者对障碍物检测和跟踪的做了大量研究. 文献[2]基于八叉树网格法检测运动物体，然后用DBSCAN (density-based spatial clustering of applications with noise）算法聚类. 然而其网格绘制过程复杂、难度大；文献[3]用选取4 个代表点取代对所有点的搜索去改进DBSCAN，实现激光雷达目标物的快速、准确检测，但是其代表点的选取方法可能选入之前访问过的点从而降低效率. 文献[4]通过引入区域步长参数的方式，将激光点云数据距离测量值与搜索半径建立了关联. 这样在距离增大时，搜索半径也随之增大，适应了激光雷达数据在距离增大时测量点密度降低的变化趋势，使得算法对于区域密度分布不均匀的数据具备更好的普适性，在单线激光雷达中效果优于传统DBSCAN. 文献[5]和文献[6]采用自适应……