路面损坏信息的智能获取对道路规划、建设、养护方面有着重要的意义,是提高道路智慧化管理的重要手段。车载激光扫描系统可以获取路面的三维点云信息,为路面损坏提取提供了全新的数据支撑。本文利用车载激光点云数据,研究一种基于特征增强的路面损坏提取方法。主要问题在于:三维点云数据离散分布,直接处理效率较低;路面损坏的边缘和内部区域形状特征各异,难以结构化表达。基于以上问题,本文深入开展研究,通过增强激光点云特征进行路面损坏智能化识别。主要内容如下:1.特征图像生成。基于损坏边缘的高程梯度差异性及损坏边缘分布方向的随机性特征,构建一种圆形结构高程梯度差分算子,生成路面梯度特征图;然后基于损坏对象内部区域与周围路面的空间距离差异性,研究路面局部区域参考平面拟合算法,生成路面深度特征图。2.路面损坏分割。针对路面梯度特征图,利用特征极值约束下的滤波方法去除椒盐噪声,设计一种动态窗口模式,实现损坏边缘特征的分割;然后,基于路面深度特征图,根据统计的空间距离信息,利用正态分布动态计算阈值,实现损坏内部区域特征的分割。3.路面损坏融合。基于两种特征图分别准确提取了路面损坏的边缘特征和损坏的内部区域特征,将二值化后的两种特征像素值进行真实坐标叠加,使损坏信息得到完整表达,再运用形态学、二值聚类等算子去除融合后的块状噪声,生成完整的路面损坏矢量要素。本文方法最终提取的路面损坏目标,转换成可编辑的矢量要素成果,通过两组不同类型的道路数据,对本文算法进行了实验论证和定量分析,损坏提取平均准确率为89.47%,平均召回率为90.55%,满足实际生产需求,验证了本文算法对道路中的路面损坏具有较好的识别效果。