车载激光扫描系统是我国近年重点发展的高端地面测绘装备之一，在道路工程测量、道路设施普查与管理、高精度地图制作、林业测量等领域具有重要的应用价值，能够极大地提高这些领域的三维空间信息获取效率。

车载激光点云是车载激光扫描系统的主要数据成果，高效、准确、自动地从车载激光点云中提取出特定应用中所需的特定类别地物点是实现车载激光点云在各领域中数据处理自动化的核心和关键，目前各类应用中从车载激光点云中提取地物信息严重依赖于人机交互操作，工作强度大、效率低，制约了车载激光点云在各领域的推广和深入应用。

针对目前车载激光扫描数据在各领域应用中主要通过人机交互方式提取所需地物信息的现状，论文以车载激光点云中不同类别地物点云的自动化提取以及分类为研究目标，主要研究内容和结论如下：

(1) 结合圆柱坐标的车载激光点云滤波。针对车载激光点云数据的点密度大、点云分布不均匀、存在大面积遮挡区域、大尺寸地物与小尺寸地形细节共存等特点，提出了一种结合圆柱坐标与空间直角坐标的车载激光点云滤波方法，该方法首先计算车载激光点云的圆柱坐标，在圆柱坐标的方位角方向和纵向距离方向对车载激光点云进行格网化，然后通过径向距离约束、坡度约束及方位角约束等实现车载激光点云的滤波，文中通过试验对所提滤波方法进行了验证，结果表明文中滤波方法能够适用于不同地形类型和不同场景的车载激光点云滤波。

(2) 车载激光点云道路标线提取。论文针对将道路面点云内插成强度影像进行道路标线提取的不足，提出了一种基于扫描线的直接从三维点云中提取道路标线的方法，该方法首先将车载激光点云划分成扫描线，继而逐扫描线地采用滑动最小二乘直线拟合提取道路面点云，在道路面点云中，逐扫描线地对强度值进行滤波以抑制强度噪声对道路标线提取的影响，最后通过道路标线检测和精化从道路面点中提取道路标线点并剔除噪声点，通过试验对所提方法进行了验证，结果表明文中道路标线提取方法平均提取完整度、平均提取正确度以及平均值分别达到0.96、0.93和0.94，均优于对比算法的提取结果。

(3) 车载激光点云杆状道路设施提取。针对使用模型法、基于语义方法以及监督分类方法提取杆状道路设施存在的不足，提出了一种基于多尺度扩展高斯影像形状特征的路灯和交通标志牌等杆状道路设施提取方法，该方法使用多尺度扩展高斯影像特征对非地面点云对象进行形状描述，通过计算非地面点云对象的多尺度扩展高斯影像特征与模板杆状地物的多尺度扩展高斯影像特征之间的相似性测度实现杆状道路设施的提取，文中通过试验对所提方法进行了验证，结果表明文中杆状道路设施提取算法对路灯提取的平均正确率和完整率分别达到96.13%和95.28%，对交通标志牌提取的平均正确率和完整率达到86.35%和82.48%。

(4) 基于卷积神经网络的车载激光点云分类。论文研究了使用卷积神经网络实现车载激光点云分类的方法，提出了一种通过多尺度方式获取待分类点邻域信息以充分利用待分类点的局部细节信息和宏观地形信息的方法，设计了一种直接以待分类点的多尺度邻域作为输入的卷积神经网络模型，使用开放获取数据集Oakland 3D point cloud数据集对所设计的模型进行了试验，试验结果表明，文中直接以待分类点的多尺度邻域为输入的卷积神经网络模型的分类结果优于对比分类方法的分类结果。