激光雷达获取的三维点云数据,能直观的反应被测目标的三维几何信息,通常情况下三维点云数据是以低层次数据结构即点构成的,难以实现对目标的有效描述。因此,为了能够对三维点云数据进行高层次的特征提取与描述,本文研究了激光三维点云图像全局特征提取方法。首先,对激光雷达距离像转换成三维点云的基本原理和方法进行了阐述,介绍了两种几何尺寸特征提取方法,一种矩特征提取方法和一种形状特征提取方法的原理,分析了所介绍全局特征的适用条件和存在的问题。其次,针对如何精确估计目标长、宽、高方向向量进而计算目标几何尺寸的问题,提出了一种基于Mean Shift点法向量分类的目标姿态估计(PEMSPNC)算法,在此基础上提取目标几何尺寸特征。通过激光雷达仿真系统生成了目标距离像仿真数据,并模拟了无噪声、不同测距精度、存在噪声和存在遮挡四种不同情况,对比了基于矩形拟合、主成分分析、OPDVA和PEMSPNC四种算法计算的目标几何尺寸结果。为进一步验证各算法实用性,同时采用一组实测数据进行实验。结果表明,PEMSPNC算法对目标几何尺寸估计结果的准确性和稳健性优于其他三种方法。最后,针对投影轮廓特征存在的维数较大、信息冗余的问题,采用PCA降维算法去除投影轮廓特征数据之间可能存在的相关性,对投影轮廓特征进行降维处理。通过模拟无噪声、存在遮挡和存在噪声三种情况,采用BP神经网络分别实现了基于投影轮廓特征降维前后的目标分类识别实验,结果表明,采用PCA降维算法有效地剔除了投影轮廓特征中的冗余信息,且在提高了特征有效性的同时保证了其分类能力。