随着我国经济建设的快速发展，公路交通基础设施的不断完善，公路路面状况检测、养护和管理已成为我国公路建设领域的重要任务。路面裂缝是路面病害的早期表现形式，它直接影响着公路的使用寿命和行车安全。及早发现裂缝并进行维护可以及时避免裂缝进一步发展造成的严重影响，具有重要的现实意义。尽管国内外相关领域研究学者一直致力于路面裂缝检测技术及相关数据处理方法的研究，但是仍然缺乏真正实用、行之有效的自动检测方案。本课题围绕路面裂缝检测这一主题，以提高裂缝检测准确性为出发点，研究路面数据的获取、路面裂缝判别和裂缝提取问题。路面信息获取是分析路面裂缝的基础。结构简单、快速全面的获取路面数据是提高路面裂缝检测准确性和自动化程度的关键。路面裂缝判别即是判断路面上裂缝存在与否，是路面裂缝检测的首要任务。由于路面情况复杂，纹理、噪声、阴影等干扰因素的存在，使得现有的二维或三维检测技术产生大量的漏检和误判现象。如何克服干扰因素的影响，提高路面裂缝的识别率、降低误判率是至关重要的。路面裂缝提取是对路面裂缝的几何形态特征进行准确描述和量化评价的前提和基础。当已知路面上存在裂缝时，如何排除干扰因素的影响，自动准确的提取裂缝是路面裂缝检测领域的难点。本课题针对现有的路面裂缝检测技术在路面数据的获取、路面裂缝判别和裂缝提取问题中存在的不足展开研究，并提出相应的解决方案。本文主要研究工作如下：(1)在深入分析国内外路面裂缝检测技术研究现状的基础上，针对目前路面裂缝检测技术存在的不足，根据二维图像测量和结构光三维检测技术的基本原理，提出基于二维图像和三维深度信息的公路路面裂缝检测技术，在此基础上，设计了路面二维图像和结构光三维轮廓数据采集装置及数据处理方案。(2)针对目前路面裂缝判别技术中存在的误判和漏检问题，提出基于路面二维图像和结构光三维信息融合的路面裂缝识别方法。该方法基于Dempster-Shafer证据理论建立融合决策模型，通过对路面裂缝识别率影响因素的分析，研究决策模型参数的选择原则。实际路面实验验证了该模型的准确性与有效性。实验结果表明，本文提出的方法能够充分的利用路面二维图像和结构光三维信息的互补性，克服它们各自存在的不足，提高路面裂缝识别率，降低误判率。(3)针对路面裂缝提取技术中存在的对路面修补痕迹、油污、轮胎印、阴影、光照不均等干扰因素敏感，且自动化程度不高的问题，提出基于二维图像和结构光三维信息的路面裂缝自动跟踪提取方法。该方法以结构光三维裂缝点作为跟踪种子点，利用奇异算子增强后的图像构建代价函数，采用快速行进算法求解代价函数上的最小化能量图，利用欧拉距离约束迭代获取路面裂缝线上的关键点，最后利用关键点间的最短路径提取路面裂缝。实验结果表明，本文方法能够准确的提取路面裂缝，提高路面裂缝线提取的正确率和查全率，且无需人工干预，实现了路面裂缝的自动跟踪提取。