随着社会经济的发展,我国的汽车数量不断增加,城市交通压力与日俱增。交通信息是解决交通问题的基础,有效的交通信息获取手段与方法是关键。本文利用三维激光雷达为技术手段进行交通信息获取。首先,搭建激光雷达检测系统,通过路侧部署方式进行道路交通信息采集,其次利用采集到的3D点云数据,通过背景滤除、道路识别、车辆目标检测与车辆目标分类,实现城市交通信息获取的目的。本文研究内容描述如下:1.针对激光雷达点云数据场景中无关背景对目标检测与分类造成的干扰问题,设计了基于背景差分法的背景滤除算法。该算法结合点云数据自身特点对图像中的背景差分法进行改进,首先,建立多层栅格背景点云模型,利用建立的多层栅格背景点云模型与采集到的点云数据帧做差分运算,实现交通场景下的背景滤除,完成了车辆目标点云数据提取,利用多个交通场景实验数据,对算法的有效性进行了验证。2.针对低线束激光雷达垂直分辨率低导致的道路边界不完整、不清晰问题,设计了基于C4.5决策树的道路空间自动识别算法。该算法通过分析车辆在行驶过程中点云数据动态变化规律,根据车辆行驶轨迹,提取了点密度方差,点平均高度方差,点平均频率三种特征,训练C4.5决策树分类器,实现道路空间的自动识别。针对识别的道路空间不连续情况,提出了均值滤波和最小外接矩算法,完成道路空间的准确提取。3.设计了车辆目标检测算法和车辆目标分类算法。针对基于DBSCAN聚类的车辆检测算法中车辆有效点缺失和误检测问题,通过改进聚类中心,引入层次聚类思想,设计了基于层次的密度最大值聚类车辆检测算法,提高了车辆目标识别准确率;其次通过分析车辆点云数据信息,提取车辆点云数据的形态、比例、轮廓特征训练随机森林和支持向量机两种分类器对车辆点云数据进行分类。实验结果表明,基于随机森林的车辆目标分类算法准确率更高,准确率可以达到95.2%。