地理空间信息技术是当今世界各国研究的热点之一,信息获取、信息处理以及信息应用是其研究的三大主题。“数字地球”、“数字城市”等一系列相关理念的提出更加速了地理空间信息科学技术的进步和发展。构建“数字城市”涉及到大量的图像、点云等数据,数据量非常庞大,因此,如何快速获取、处理地理信息数据已经成为地理信息技术发展的核心和前沿技术。近年来,激光扫描技术越来越受到各个领域的亲睐,它能够快速大规模的获取目标的表面信息,具有精度高、真实性强、非接触测量性等特点。尤其是在测绘与遥感领域应用最为广泛,使用激光测量技术能够获取大面积地物的空间数据。作为一种新兴的数据获取方法,车载激光扫描技术已经开始广泛的应用于地理信息产业中,用于获取城市三维数据,构建数字城市。由激光扫描采集到的空间采样点称为“点云”,点云中蕴含着丰富的地形和地物信息,只有对点云数据进行分类,才能提取其中有价值的信息。分类后的点云数据可以在后续的处理过程中根据用户的需求以及应用的领域采取不同的处理策略。当前比较典型的点云分类方法都是针对机载激光扫描仪获取的数据提出的,而基于车载点云数据的分类方法相对不是很成熟,发展相对滞后。机载激光扫描系统从飞行器中发射激光获取到的大多数为空间地物的顶部及其部分表面数据,而车载激光扫描系统是以获取的大面积、高精度的地物侧面或立面数据信息为目的,因此由于点云数据获取的方式与位置的不同导致很多成熟的机载激光点云分类算法不能直接应用到车载激光点云数据的分类上。针对这些情况,在总结众多分类方法的基础上,本文提出了一种基于空间密度聚类与典型地物特征相结合的车载激光点云分类方法。该方法在点云聚类的基础上利用目标地区中典型地物的空间分布情况以及地物的几何特性等要素进行分类。该方法不仅能够完成不同地物的分类,同时还可以提取单个地物元素,为地物信息的提取以及后期的建模提供了有力的保障。由于点云数量非常庞大,本文还针对密度聚类时处理大数据时计算的瓶颈做了优化,计算效率上有了很大提升,通过一系列实验也证明了思路的可行性和有效性。