经济社会的快速发展,使得国民生产生活的各项基础设施更加健全,道路作为城市的纽带更是达到了空前的覆盖度。对建好的道路进行道路检测是快速进行道路维护,数字城市建设,辅助新兴的智能驾驶等应用的第一要务。新兴的车载移动测量技术在快速精准获取地物目标信息方面具有独特的优势,将车载移动测量技术应用于道路测量,变形监测等方面,可以快速的实现道路的三维可视化从而提高道路维护的效率,具有很好的研究意义和应用前景。本文研究基于车载Li DAR数据的道路三维建模,通过处理车载移动测量系统采集到的点云数据,并最终实现了道路模型的构建。本文使用的车载移动测量系统搭载的传感器主要有三维激光扫描仪、GPS导航系统、INS惯性导航系统、CCD相机等。本文对车载移动测量系统的工作原理,外业数据采集的流程进行了详细的介绍,重点研究了点云数据的处理,并通过对实测数据的处理完成了道路三维模型的构建。对于点云数据处理,本文首先介绍了当下先进专业的点云数据处理方法库PCL,对采集到的道路点云数据进行了坐标等格式的转换。通过人机交互,直通滤波,统计滤波和半径滤波相结合逐步实现了点云数据的滤波。对滤波之后形成的道路空洞,在空洞上下方各取一个样本数据集对空洞进行修补,提高了修补的精度。道路边界是道路的重要特征,重点研究了经纬线法边界提取,并结合PCL的法向量判断,在PCL点云库中可以通过OpenMP加速法实现法线估计,去除非边界点,提高了边界提取的精度。通过PCL的VoxelGrid对道路点云数据进行下采样,在保留点云特征的前提下,删除过度冗余的数据,达到了很好的精简效果。最后对处理好的实测数据通过PCL库的Greedy Projection三角化法实现了道路三维模型的构建,并对各个阶段进行了三维可视化。工程应用表明,利用车载移动测量获取的Li DAR数据精度满足道路勘察勘测的要求,生成的道路三维模型可以应用于智慧城市,无人驾驶,道路养护道路景观等工程。