道路作为经典的线状地物,一直是信息特征提取领域的热门研究对象之一。在传统摄影测量与遥感技术中,主要是基于正射或遥感影像、采用经典的数字图形学理论对道路信息进行提取。由于受到空间分辨率、光谱分辨率及成像时间等因素的影响,影像中道路的属性受到严重干扰,致使道路提取的结果和精度难以达到预期效果。倾斜摄影测量技术可以快速、高效的获取大面积测区的点云数据,基于点云数据进行道路信息的提取,正成为当前的热门研究内容之一。本文以倾斜摄影测量生成的点云数据作为研究对象,在分析了基于点云数据进行道路提取的理论方法和应用现状的基础上,围绕点云数据进行道路提取涉及的关键技术展开研究。首先从倾斜摄影技术的原理出发,将点云噪声分为粗噪声和细噪声两大类,针对两类噪声分别采用不同的方法对其进行剔除,并通过实验分析表明在各种去噪方法中,体素滤波去噪对两类噪声均有较好的去噪效果。在通过实验对比现有的主流点云滤波算法的基础上,表明基于TIN的渐进加密滤波对大部分场景均具有较好的滤波效果,针对该方法在初始阶段需要设置建筑物最大尺寸等参数的不足,提出了一种利用虚拟格网确定初始地面点的改进算法,在此基础上提取出全部地面点。将提取得到的地面点的RGB属性在HSL颜色空间中进行重新表示并将L分量进行分段,通过选取道路种子点,利用区域增长提取得到初始道路点。在将初始道路点云进行分块与投影后,通过边界提取、平滑等操作对道路边界进行聚类并修复,最终得到完整的道路面。实验表明,在经过体素滤波去噪和本文改进滤波算法得到的地面点基础上,利用本文提出的道路提取算法可以有效的从倾斜摄影点云中提取出道路面,道路提取的完整率为86.07%,正确率为84.79%,质量指标为80.86%,可以满足基于倾斜摄影点云道路提取的处理需求。