近年来关于无人驾驶车研究的发展十分迅速,尤其是国内外举办的一系列赛事,更有效推动了无人驾驶车智能性和实用性的快速发展。在该研究领域,针对室外非结构化三维场景的环境建模与三维地图构建是研究的核心与重点。针对三维环境的有效表述,不但有助于无人车实现可靠的自主运动规划,同时也保证其在线构建的三维环境地图能真实准确反映复杂室外场景。无人驾驶车要实现可靠的实时运动规划,必须利用三维环境建模方法进行实时局部地图构建。本文借鉴经典高程图方法,设计了一个实时更新的队列来构建局部高程栅格地图,并基于高程地图数据进行障碍物聚类和可行方向角生成,从而指导无人车的自主运动规划。为了克服基于多源二维激光数据进行三维环境实时建模时由动态障碍物产生的“拖尾”现象,研究中利用动态障碍物在线跟踪结果,在局部地图中实时剔除动态障碍物前一时刻的干扰数据,从而保证了实时构建地图数据的真实性与有效性。在获取大范围三维环境数据后,为了实现对三维环境的有效建模与数字化,本文提出了一种快速栅格划分方法。该方法借鉴经典八叉树空间划分思想,依据场景规模优化了划分策略,加快了大范围场景的划分过程。通过保留划分过程中空间栅格26邻域关系以及父子栅格关系,构建相应的数据结构,并提出大范围场景数字化显示策略,从而保证了大范围场景数字化显示较为优化的效果。为了验证本文所提方法的有效性和实用性,基于本实验室自主研发的无人驾驶车平台,在大连理工大学校园不同场景进行了一系列的实验。实验结果及相关数据分析表明,实时构建的局部高程地图能保证无人车自主运动规划可靠进行,而利用在线采集的多源激光测距数据所构建的三维环境地图则能有效完成大范围校园场景的数字化。