目前,车辆目标识别技术的研究与发展主要集中在二维图像领域。但由于从二维图像中提取的目标信息的表达能力和表现形式有限,基于二维图像的目标识别技术的发展也遇到了瓶颈。通过激光雷达测距得到的场景三维图像被称为三维距离像。在图像处理领域,激光雷达的三维距离像又被称为三维激光点云。通过三维激光点云,可以提取场景的三维数据信息,从而可以更好地感知目标物体,更好地进行目标识别工作。因此,论文基于三维激光点云构建了一个车辆目标识别系统以完成复杂场景下的车辆目标的识别分类工作,同时对系统各模块涉及的算法进行研究。为完成课题目标,论文主要研究了以下内容:(1)三维激光点云数据获取系统的搭建。设计客户端与雷达和转台的通信方案,同时对雷达采集的数据进行转化规范,最终获取后续算法实现所需要的点云数据。(2)三维激光点云数据预处理模块的实现。对场景点云数据进行坐标系转换、背景点移除、噪声点去除、单物体聚类分割操作以去除与后续识别过程无关的无效点云数据。在此过程中,提出一种新的基于激光雷达扫描特性的背景点移除算法,移除场景中的复杂无效点云;实现三种噪声点移除算法,最终采用了基于统计特征的移除方案;实现两种场景物体分割算法,最终采用了区域增长算法。(3)不同场景下的车辆目标识别。对车辆未被遮挡、车辆被单物体遮挡、车辆被多物体遮挡的场景分别进行识别工作。论文对比了由4种三维特征提取算法和2种分类模型组合得到的8种传统识别方案的识别效果。提出一种新的结合了改进的视点特征和尺寸特征的特征提取算法(Improved Viewpoint Feature Histogram-Size,IVFH-S),并利用K近邻搜索模型进行车辆目标识别工作。实验结果表明该方案的识别正确率在不同场景下均明显优于传统方案。最后对各模块算法进行封装并加入交互性设计,得到一个可用性高的车辆识别软件。