有效地获取详细高精度的交通数据是分析掌握交通规律、优化交通体系的关键，高精度道路监测技术的研究在国际上还处于刚刚起步的阶段。本文针对视频，线圈等主要检测方式在探测精度、实时性、抗干扰能力等方面的不足提出了一种基于激光雷达的道路目标监测技术，由于单台雷达在交通混杂、遮挡严重等情况下监测能力有限，本文进一步提出了新颖的基于分布式激光雷达的实时道路目标监测方法，即将若干激光雷达布置在道路不同位置，从不同角度获取道路信息。该方法检测精度高、实时性好、抗外界干扰能力强、可以有效的克服遮挡、混杂等情况。主要内容和创新点如下：　　 第一，为消除原始数据中的抖动和噪声，提出了利用双通分离窗算法进行数据滤波，实验表明，该算法滤波平滑效果明显优于限幅滤波等常用滤波算法。　　 第二，为实现点云数据聚类分割，提出了基于最小二乘法拟合的动态阈值方法，能有效克服固定阈值带来的分割不均匀问题。由于遮挡会引起目标分割，而已有的基于轮廓连续性的合并方法在车辆轮廓不规则等情况下会出现误判，本文对该方法进行了改进，实验表明，改进后的算法在车辆轮廓不规则等情况下能够进行准确的合并。　　 第三，针对基于单特征量目标分类方法在准确性方面的不足，结合车辆宽度、速度特征设计了一种多维参量线性分类器，有效提高了人车分类的准确性；　　 第四，由于形心跟踪算法跟踪不准确、在目标交叉时会出现跟踪丢失的问题，因此提出了一种时间融合和空间融合相结合的形心跟踪算法，实验表明，该算法在目标交叉情况下仍然能够进行有效的跟踪；　　 最后通过分布式监测系统的实现和大量的实际测试证明了算法的有效性。