无人驾驶车辆是目前学术界和工业界研究的热点方向，无人驾驶系统通常包括环境感知、数据融合、路径规划、控制系统等几大模块，其中，环境感知模块为无人驾驶系统提供了对周围环境的理解能力，是系统中最重要的模块之一。障碍物的识别、分割和跟踪是环境感知模块的核心任务。随着激光雷达技术的发展，对障碍物的感知主要由三维激光雷达来完成。　　本研究主要内容包括：⑴提出了对雷达原始数据进行接收和处理的程序框架，并提出了基于雷达的内参和外参对原始数据进行校准、将原始数据转化为车体坐标下的三维点云数据的方法。⑵对于障碍物的检测，如何在大数据量的情况下实现基于三维点云的障碍物识别和分割是一个挑战，本文首先阐述了基于三维点云进行分割的优点，对三维点云的特征进行计算，接着基于点云局部凸性和连通区域标记算法对点云数据进行分割和收集，完成了基于三维点云的障碍物识别和分割过程。该方法充分利用三维激光雷达的探测数据，提高了障碍物识别和分割的精度和准确度。⑶对于动态障碍物的跟踪，将三维点云分割投影至二维障碍栅格中，并基于障碍栅格和盒子模型对动态障碍物进行建模，基于卡尔曼滤波对动态障碍物的运动状态进行预测和更新，同时在对动态障碍物匹配算法进行详细介绍和对比后，采用多元假设跟踪算法对动态障碍物进行多帧关联，完成标准动态障碍物跟踪流程。