近年来,我国进入管理养护阶段的道路总长已达到世界第二位,单独凭靠人工来进行养护检测作业除了效率低、准确性不能保证外,也存在因总里程过大难以完全覆盖的问题。为了更高效地展开路面养护工作,搭载高精度激光传感器组的检测车成为研究热点。这种移动检测系统能够自动获取路面点云,进而在路面点云上建模以得到高精度的路面模型。然而,由于采集到的点云规模过于庞大,依赖传统方法的建模系统运行速度过慢。因此需要对路面点云建模过程中的各个问题进行并行处理来提高系统运行速度。本文首先研究了大规模激光点云数据预处理的并行加速问题。点云数据预处理包括修补与简化两部分,处理的流程为先对缺失位置的数据修补,再对补全后的点云进行简化得到特征点云。其中点云修补采用对缺失点赋值拟合的修补算法,点云简化采用基于斜率差的扫描线点云简化算法。路面点云属于一种扫描线点云,对特定扫描线进行修补或简化不会影响其他扫描线,因此采用线程并行方式,论文根据此思路实现了基于多核CPU的并行算法和基于GPU的并行算法,并进行了对比分析。本文在经过预处理的特征点云上进行了不规则三角网建模的并行问题研究。为满足路面建模实时性要求,需要对传统Delaunay三角剖分算法进行改进,论文充分考虑路面点云特点,对数据进行了降维处理,在此基础上实现了基于区域分解及凸包合并的并行三角剖分算法,通过区域划分得到多个子点集,然后对全部子点集执行三角剖分获得子三角网,最终合并所有子三角网的边界凸包生成完整三角网模型,该方法不仅满足了路面建模的精度要求,也使建模速度有了大幅度的提升。论文还针对路面缺陷的自动检测问题进行研究,在Delaunay三角网模型基础上,根据路面缺陷区域三角面与正常三角面之间的几何特征差异进行分类,区分缺陷路面和正常路面,同时采用最小二乘法拟合道路横断面线估计出缺陷位置。为了评价上述算法的并行效率,论文共采集了20km的实际路面点云作为测试数据。点云预处理部分的并行实现和三角剖分的并行实现均取得了较好的加速效果,该方法可用于时速80km以下的在线路面建模。最后,结合Open GL设计并实现了一个三维路面建模系统,系统能够显示多种路面模型,同时可以自由切换不同的观测视角进行模型的漫游交互。