目标识别作为智能信息处理领域的核心课题,广泛应用于航空航天、医药卫生和导航制导等领域。近年来,激光主动成像雷达凭借其特有的优势,迅速成为学术界和工业界的研究热点。相比于传统的二维图像,激光主动成像雷达获取的三维点云数据,真实地表征了目标的三维几何外形及深度信息,具有尺度及旋转不变性,且受视点、尺度、光照强度和遮挡等的影响小,使得二维图像中无法解决或难以解决的问题有望在三维图像中变得简单。本文针对地面车辆类三维点云目标识别问题展开研究,在目标特征提取、特征选择、目标识别方法研究以及信息处理机研制等方面开展了如下工作:(1)分析了已有的典型特征提取方法:基于投影轮廓的特征提取、几何特征提取、Spin image特征提取和SHOT特征提取,详尽阐述了这些特征提取方法的基本原理,并对各类特征的描述性能及其优缺点进行了比较,仿真实验结果表明现有的三维点云特征都有其一定的适用范围,单个类型的特征很难完成特定的识别任务;在此基础上提出了基于SHOT特征、投影轮廓特征及长宽高特征的地面目标多特征组合描述方法。(2)提出了一种基于邻域组合测度的属性约简算法。在邻域粗糙集理论中,首先定义了一种新的知识不确定性度量,即邻域粒度测度,然后结合邻域近似精度给出了一种新的属性重要性度量—邻域组合测度,在此基础上提出了一种基于邻域组合测度的属性约简算法;最后在UCI公共数据集上进行了对比实验,结果表明该算法在获得紧凑约简的同时,具有良好的分类性能。(3)提出了一种基于粗糙集理论与支持向量机相结合的三维点云地面目标识别方法。将基于邻域粗糙集的属性约简方法应用到三维点云地面目标的特征选择中,有效地剔除了投影轮廓特征、SHOT特征中的冗余特征,利用约简后的特征通过支持向量机构造模式分类器,实验结果表明约简后的特征维数远远小于约简前的,在有效降低特征维数、改善实时性的同时保证了支持向量机的分类能力。(4)构建了基于FPGA+双DSP的三维点云目标识别实时信息处理系统。在详细分析算法及各模块资源消耗的基础上,完成了硬件电路设计,实现了多DSP多核(采用主辅拓扑结构)的并行处理系统。最后通过系统测试,表明该信息处理系统具有较高的识别率,且能满足实时性要求。