车载移动测量系统将LiDAR系统搭载在移动的车辆上，能够快速、连续、低成本的获取道路以及道路周围环境的高精度三维空间信息，具有广泛的应用，如城市规划、智能交通、道路环境监测等众多领域。道路中心线和边界是道路的基础信息，是道路几何估计以及道路周围地物检测的先决条件，因此从车载激光雷达点云中提取高精度的三维的道路中心线和边界是非常有意义的。然而车载激光点云存在点密度高且不均匀、数据量大、存在遮挡造成的数据不完整、场景复杂等特点，造成从车载激光点云中进行道路目标提取困难。
　　本文在总结前人的研究成果基础之上，围绕车载LiDAR点云道路几何特征提取这一研究主题展开，提出一种利用OpenStreetMap(OSM)数据辅助的，基于活动轮廓模型的，从车载激光点云数据中提取道路几何特征的方法，最终得到完整的具有属性数据的三维矢量道路中心线与边界信息，并针对一项实际应用展开说明本文的研究意义。本文的主要研究内容有:
　　(1)阐述了本文研究的背景与意义，在LiDAR技术不断成熟的背景下，从车载激光点云中提取道路信息具有非常重要的意义。
　　(2)研究了国内外关于车载激光点云道路提取的文献成果，对目前存在的算法进行分类，分成基于扫描线、基于特征图、基于聚类、基于机器学习四大类，对每一类方法中具有代表性的研究进行详细说明，对每一类方法的优势与局限性进行总结。总结了车载激光点云数据具有的优点与缺点，从数据存在的缺点说明了从车载激光点云中提取道路目标的难点。
　　(3)研究了国内外将Snake模型应用于道路提取的研究现状，说明了Snake用于车载激光点云道路提取的可行性。介绍了传统Snake模型的基本思想、数学表达以及能量函数的收敛策略，然后阐述了在传统Snake模型进行改进使其适用于道路提取的Ribbon snake模型，然后提出使用Snake模型相比于其他常见边缘检测算法进行道路提取的优势，接着提出对Snake模型进行改进，以便适用于车载激光点云的道路提取。
　　(4)介绍了志愿者地理信息中的典型代表OSM数据，包括OSM的数据结构、属性信息，阐述了OSM数据的优点、缺点。车载激光点云数据具有精度高、有三维高程，无语义信息，OSM数据语义信息丰富，数据精度却不高。OSM数据与车载激光点云数据可以进行优势互补，本文巧妙的利用snake模型将两种数据关联起来，Snake初始时是OSM的位置，结束时位于点云的中心线，同时得到宽度和左右边界信息。
　　(5)针对本文算法提取出的栅格中心线与边界进行矢量化、三维化。对于遮挡造成的边界格网为空的情况，利用形态学对空格网的高程进行插值获取准确的高程信息。将OSM的语义信息、属性信息赋三维的道路边界，形成既有准确的几何信息又有属性信息的完整的三维道路数据。根据路坎坡道处的点云特征判断出边界上准确的坡道位置，以便进行合理的路径规划。