道路是一种重要的基础设施,时刻影响着我们的生产生活,准确的道路提取对智能交通、智慧城市等领域意义重大。近年来随着自动驾驶、高精度地图制作等领域的发展,基于车载激光扫描点云的道路提取技术起着越来越重要的作用。车载激光扫描系统集成了激光扫描仪、CCD相机、IMU、DMI和GNSS等多种传感器,可以快速获取大范围地物信息,获取的点云数据用于道路建模、建筑物三维重建、高精度测图等领域。车载点云数据量大、包含场景复杂、密度分布不均,而且道路特征不突出,给车载点云道路自动提取带来了挑战。本文围绕车载点云道路提取与应用展开研究,主要内容和创新点如下:1.改进了一种基于扫描线的移动窗口道路提取方法。传统基于扫描线的移动窗口道路提取方法中由于3个滤波窗口设置了相同的尺寸,提取结果道路边界处容易出现非地面点。针对这一问题,本文在保持窗口2、窗口3尺寸一致的前提下减少窗口1的尺寸,进行移动窗口的适应性改进。通过详细的对比实验分析发现,本文方法可以有效去除道路边界处非地面点的干扰,为后续道路边界及车道标线的提取提供更为精准的点云数据;2.设计了一种基于RANSAC方法的空间直线拟合算法,提取得到了准确的道路边线。首先在道路点云提取的基础上基于高程差、坡度特征等要素提取路坎点云,然后保留高程最小路坎点作为候选道路边界,采用基于RANSAC的方法进行空间直线拟合,剔除伪边界点,最终得到准确的道路边界;3.设计了一种联合点云强度图与边缘检测算法的车道线提取流程。首先将点云数据投影至水平面,生成强度特征图,并采用中值滤波算法去除噪声;然后采用Sobel算子进行边缘检测,计算强度梯度图;最后基于最大熵原则将强度梯度图进行二值化提取车道线,并采用连通域分析方法对结果进行优化,实验表明该方法可以有效提取车道线。