在汽車智能駕駛系統(tǒng)中，激光雷達(dá)由于其獨(dú)特的三維成像能力，成為場景探測感知傳感器群組中不可或缺的組成部分。為提升單一波長激光雷達(dá)在物性探測分類和狀態(tài)上的性能，借鑒多光譜探測具有物性探測能力的原理，論文對適用于汽車智能駕駛的多光譜激光雷達(dá)的波段選擇進(jìn)行了可行性研究，利用主成分分析法對智能駕駛中典型目標(biāo)進(jìn)行光譜計算及分析。結(jié)合激光光源特性以及光電探測器的特性，綜合多光譜激光雷達(dá)波段選擇方法和智能駕駛應(yīng)用場景中典型目標(biāo)地物光譜特性，以及商用激光雷達(dá)的可獲得性，得出了適用汽車智能駕駛的多光譜激光雷達(dá)的波長可以選擇 808 nm、905 nm、1 064 nm、1 310 nm，并通過測試驗證了多光譜激光雷達(dá)所選波長的有效性。為了更好地利用激光雷達(dá)技術(shù)的環(huán)境觀測能力，國內(nèi)外學(xué)者針對融合單波長激光回波信號的強(qiáng)度信息和三維信息對數(shù)據(jù)進(jìn)行分類開展了大量研究和探索，當(dāng)前智能駕駛中使用的激光雷達(dá)在技術(shù)上的研究主要集中于單一波長方式工作。為提升激光回波信號的強(qiáng)度信息和三維信息對數(shù)據(jù)進(jìn)行分類的支持，不斷地提高激光雷達(dá)點(diǎn)云密度，但這些研究并不能從根本上解決車載激光雷達(dá)單一波長所造成的物性探測能力上的不足，點(diǎn)云密度的增加雖可提高基于點(diǎn)云幾何特征的物體識別能力，但也存在遞減效應(yīng)，且?guī)碇T多額外的系統(tǒng)要求：

　　1）用于場景識別的算法日益復(fù)雜化，導(dǎo)致計算硬件需求劇烈增加； 2）激光雷達(dá)的功耗、復(fù)雜性、體積和成本大大增加，阻礙其大規(guī)模商用； 3）僅依靠三維特征，不足以有效識別復(fù)雜場景。因此，雖然激光雷達(dá)在三維空間信息獲取方面具有突出優(yōu)點(diǎn)，但由于激光雷達(dá)單一波長探測能力的限制，對環(huán)境信息中的物性分類、狀態(tài)等方面的探測能力仍舊有待提高。光譜成像技術(shù)不僅具有圖像分辨能力，還具有光譜分辨能力，利用光譜成像技術(shù)不僅可以對待檢測目標(biāo)進(jìn)行定性和定量分析，而且還能對其進(jìn)行定位分析。針對目前智能駕駛環(huán)境觀測中激光雷達(dá)的應(yīng)用及其技術(shù)特點(diǎn)。為了更好的挖掘出激光雷達(dá)對環(huán)境感知應(yīng)用的潛力，使激光雷達(dá)技術(shù)在保留空間高分辨探測能力的同時，兼具對環(huán)境中物體物性感知的能力，因此，借鑒多、高光譜測量具有物性探測能力的原理，開展多光譜激光雷達(dá)對環(huán)境物體進(jìn)行探測的技術(shù)研究將具有重要的研究價值和應(yīng)用前景。