路沿检测是矿区无人驾驶的关键技术之一，所得路沿信息可用于辅助无人矿车的感知、规划和定位。准确的路沿检测与路沿图构建同时也是高精地图构建中的首要步骤，通过机器学的方法可以在现有路沿点的基础上初步构建道路结构拓扑。与传统的卡尔曼框架下的路沿跟踪所不同的是，本文提出了基于占用栅格思想的路沿跟踪方案。所谓占用栅格，即根据传感器感知到的障碍物信息来对全局范围内的场景进行构建的一种方法。由于矿区环境下的路沿具有高度不确定性，所以需要用一种由包含概率信息的模型找出最高可能性是路沿的位置，而基于八叉树的结构正好可以满足这一需求。本文通过将每一帧点云实时栅格化来筛选路面候选栅格，然后以环压缩为主进行多特征的路沿检测，其中栅格是一种应用已经非常广泛的点云结构，我们根据矿山道路本身具有的粗粒度特性，将特征检测扩展到以每一个扇形单元格为不可分割的基本单元，在提高了检测效率的同时，也避免了很多路面凹凸所带来的干扰。路沿的跟踪策略采用基于八叉树的三维占用栅格，融合多帧检测结果，建立全局路沿地图，将传统的二维的占用栅格图的概念扩展到了三维的仅包含路沿属性的全局障碍物图。实际矿区道路检测结果表明，本文提出的针对矿山非结构化道路的路沿检测算法可以准确地实现对矿山道路边界的检测，并可以满足无人矿车驾驶的实时性。