交通标志隶属于道路交通设施,通过其文字或者符号标记向人们传递交通指示信息,从而为道路通畅、行车行人安全提供保障。交通标志从设立到运行阶段,需要进行合格验收及不间断的监测与维护,以防止因其标记模糊、损坏而导致的交通问题。针对上述问题,基于图像的交通标志检测和分类的方法层出不穷,但是检测结果缺少几何信息,无法在三维坏境中对交通标志进行定位和研究,也不能对其设置的合理性进行监测与评价。综上所述,对交通标志在三维环境中的检测、分类和几何定位显得至关重要,鉴于此,本文提出一种融合全景影像与车载LiDAR点云的交通标志提取方法,该方法的优点是可以得到具有准确语义信息和完整几何信息的交通标志。本文主要研究工作如下:（1）介绍了交通标志对于现代社会道路行车、行人安全的重大意义,以此引出本文交通标志检测和识别的历史背景与研究意义。随后,根据各类交通标志数据采集的特点,对目前基于图像或点云的交通标志提取方法普遍存在的优缺点进行了归纳和概述,并基于此确定了本文的研究目标、内容与组织结构。（2）介绍了中国国家标准中交通标志的设置规范,对城市场景下常见的交通标志进行了分类,并着重介绍了本文研究范围内的几类交通标志。然后,将交通标志检测与识别方法依据两种数据源分别进行了研究现状的综述,归纳了其中的不足,讨论了其有待改进之处。（3）图像检测与识别目前多用深度学习框架实现,本文概略介绍了YOLOv3算法的网络结构,并基于YOLOv3算法对全景影像中的交通标志进行检测和识别,然后对该结果进行统计和分析,总结出当前存在的问题。随后,对点云进行预处理,联合上述检测结果和车载点云与全景影像的初始融合模型,在点云中确定兴趣区域,大大减小了交通标志的搜索空间,通过欧氏聚类和基于点云反射强度的滤波对交通标志进行粗提取,提升了提取的效率和精度。（4）视角限制、目标反射强度以及扫描时间窗口限制导致激光扫描点云存在部分缺失,对点云交通标志采集的完整性有较大影响,同时由于两类数据源的融合误差,点云ROI中包含冗余点等,本文利用图像中的目标检测结果得到的中心点以及标牌相应模板对于投影到局部坐标系中的标牌点进行精确提取,得到具有完整几何边界的交通标志,提升了交通标志牌提取的几何完整性,最终本文方法得到的点云标志平均提取正确率达97.9%。