道路两侧的杆状地物是城市重要的基础设施,其信息快速更新为智慧城市、智能交通、智慧园林等提供高效的数据支撑。车载激光扫描系统可以快速获取道路两侧各类地物点云,为杆状地物提取提供了新的数据源。因此,基于车载激光点云数据探索一种杆状地物的准确提取分类方法具有重要意义。对于杆状地物的提取分类,车载激光点云数据中主要存在:地形起伏变化大,噪声干扰多;杆状地物距离近,互相交叉遮挡;同类杆状地物外形尺寸不一致等问题。现有方法对具有上述问题的不同数据适用性不强。本文在总结前人研究方法的基础上,提出一种车载激光点云数据中杆状地物渐进分类方法。主要工作内容如下:1.深入分析不同地物的激光点云扫描剖面形态和三维空间形态,研究了基于圆弧特征的杆柱状部分提取方法。首先设计基于扫描线索引进行非杆柱状部分点云去噪;然后运用约束RANSAC算法提取杆柱状部分圆弧点集,并进一步引入三维特征统计规律提高点集搜索的抗噪性。2.针对杆状地物之间相离、相邻和相交叉的位置关系,基于格网索引,提出了一种环形邻域方位覆盖度评价因子。该因子重点剖析了不同杆状地物上部点云在不同方位的分布形态差异,可在杆状地物距离近和相互遮挡的情况下,自动设计不同的提取条件,分别准确提取树木和人造杆状地物整体目标。3.根据不同种类的人造杆状地物上部点云的单向延伸共性与三维形态差异,研究了主方向约束下的差异量化分类方法。建立以主方向为约束的统一局部坐标基准,在此基准下通过特征值分析和投影面积分析,将不同人造杆状地物之间的差异进行细致地量化比较。对于不同种类和具有不同外形尺寸的同类杆状地物,实现了准确分类。本文方法最终可提取得到不同种类的杆状地物单体化点云数据,通过2个路段及其中4组典型数据的实验结果分析和定量评价,验证了本文方法对不同道路环境下不同种类的杆状地物具有较好的提取分类效果。