运动目标跟踪技术和道路环境建模技术都是人工智能、计算机视觉、机器人学及模式识别等领域的研究热点问题，尤其是在智能机器人领域具有比较广泛的应用前景，国内外众多科研工作者对此进行了研究。本文以两种智能机器人系统作为实验平台，分别对基于激光雷达的运动目标跟踪和道路环境建模技术展开研究，主要工作包括以下内容:　　 一、在iRobot机器人系统上，进行基于二维激光雷达的运动目标跟踪技术的研究。首先利用HOKUYO传感器扫描机器人所处环境，获取场景扫描数据，并设计了一种基于激光相邻点聚类算法对激光扫描点进行聚类和分割;其次构造一种类圆弧形状识别算法，从分割的扫描数据中提取目标人的腿部数据，获取目标人相对于机器人的位置和方向信息;最后利用Kalman滤波算法对机器人的运动位置和速度矢量进行滤波，实现了机器人对运动目标人的平稳自主跟踪。　　 二、在无人驾驶智能汽车系统上，进行基于三维激光雷达的道路环境建模技术的研究。首先利用Velodyne HDL对智能车周围环境的扫描信息，建立激光雷达的扫描线模型来计算道路环境的地形坡度，并改进了基于坡度的一维双向标明滤波算法，实现对激光扫描数据点云的去地面处理;其次设计了智能车栅格地图构建算法完成三维激光数据在二维栅格地图上的构建;最后提出了一种基于KD树改进的迭代最近点(ICP)跳帧匹配算法对非连续采集的激光扫描点云数据进行匹配，实现了智能汽车道路环境三维模型的全局拼接。真实数据实验表明，本文设计的算法具有较好的实用性和较高的效率。