目前传统的车辆自动识别技术主要是基于视频图像处理的识别技术。这种技术的核心在于必须获取到被检测车辆清晰的视频图像。然而在实际应用中,由于存在着雨雪,雾霾等天气干扰以及夜晚某些地段能见度低的情形,往往难以获取到行驶车辆清晰的图像,从而导致无法对视频图像进行后续的处理,达到识别车辆类型的效果。然而激光成像技术的出现则给这一问题的解决带来了一丝曙光。激光依赖于主动发射信号的反射接收,克服了被动接收信号的缺陷,能够很好地适应于能见度低以及不易作业的测量场景。激光成像技术通过对主动发射信号的反射信息接收,利用计算机系统中数字化处理方法,从而得到车辆在空间坐标中的具体信息,然后再利用获取到的车辆信息进行车型的识别。这样可以有效地解决传统识别技术存在的不足,对于完善车辆自动识别技术有着重大的意义。对于激光成像技术在车型识别中的应用,本文研究内容主要包括以下几个方面:(1)收集和整理激光发射器的相关资料,设计实验平台,同时根据实验平台的数据采集方式和传输方式,获取实时数据,然后结合模型采集数据的特点,将其转换为三维空间坐标数据进行后续处理。(2)对比和分析传统点云数据的滤波方法的优缺点,针对采集到的车辆模型点云数据的特点,引入基于数字图像的双边滤波算法进行点云数据去噪。通过与基于传统点云数据滤波算法的实验效果的对比,验证算法能够地满足车辆点云模型数据滤波的要求。(3)对比和分析常用点云数据精简算法的优缺点,结合均匀网格法和曲率抽样法二者对于点云数据精简处理的优势,提出了一种融合二者优势的基于八叉树与法向夹角的混合点云精简算法对车辆点云数据进行精简处理。通过与传统点云数据精简方法的实验效果对比和精简率的统计分析,验证该算法对于车辆点云数据精简的有效性。(4)结合精简后得到的车辆点云数据模型,提取出相关的车辆特征值,依据这些特征值构建基于改进的BP神经网络模型的车型识别器,然后选取不同类型的车辆对车辆识别器进行学习训练,最终将建立的车辆识别器应用于车型识别分类。