车载激光扫描系统具有快速、高效、连续、低成本的优势,它能够快速获取道路以及道路周围地物的高精度三维空间信息,已经广泛用于城市道路高精地图采集。然而,由于车辆载体行驶速度、激光扫描仪自身扫描频率以及其它地物遮挡等问题,使得激光点云数据存在冗余信息过多、点云分布不均匀、地物信息缺失等问题,导致对道路信息进行自动化、精细化提取时存在一定困难。城市道路都具备路缘这一要素,其是确定道路边界的重要标志。所以,城市道路路缘是高精度城市地图构建中的要素之一,是道路几何估计以及周围环境检测的先决条件,因此针对道路路缘要素提取极其重要。本论文基于车载激光点云,针对城市道路路缘要素提取问题,提出一种3D特征组合支持的道路要素精细化提取方法。本文的主要研究内容如下所述:（1）对国内外车载激光点云道路边界现有方法进行分类,分成基于图像的方法、基于车载激光点云扫描线的方法以及基于聚类提取的方法,通过对比分析,总结其优势与局限性。此外,从车载激光点云数据本身特点出发,分析基于车载激光点云中提取道路目标的难点问题。（2）研究基于偏度的点云密度均匀化预处理方法。该方法根据Bartels提出的偏度平衡理论和正态分布的3原则划分点云区域,针对数据冗余部分进行点云精简。通过实验结果对比表明,进行密度均匀化后的点云数据能更好保留道路路缘信息,同时,在一定程度上保证点云密度分布均匀,有利于点云特征提取。（3）研究联合点云3D特征因子的路缘要素提取方法。现有大部分道路提取方法虽然能够基本实现道路路缘提取,但是多以法向量或单一维度的特征作为提取依据,这种依赖单一维度特征的提取方法对道路边界信息的准确提取具有一定的局限性。本文引入点云3D特征因子扩充点云特征库,并采用RFE-CV特征选择方法及多组实验选择最优点云特征组合。最后,采用随机森林分类器对点云进行分类,提取路缘点云,并通过Paris-Lille-3D数据集对本文方法进行验证。实验结果表明,本论文所采用的方法提取精度均值都大于90%,能够满足城市复杂环境下路缘要素的提取。