车载三维激光扫描系统现是一种新型高效率的测量技术手段,可以无需直接接触目标物体而迅速、精准地获得大场景的点云数据,在智能交通系统、城市等应用领域中具有很大的使用价值与发展潜力。但车载激光点云数据存在纹理信息缺乏、部分区域被遮挡和高层建筑顶部数据缺失,以及高反射强度物体导致的测量结果偏差等局限性。同时,在获取点云数据过程中,因为车辆载体自身的运动状态和数据获取的视角都受到限制,所以只能分段、分区域采集得到路面和周围环境的三维点云信息,然后再利用点云拼接建立出完整的场景三维模型,但是,多次拼接会产生较大的累积偏差,从而严重影响整个拼接的准确度。相较于车载激光点云数据,通过卫星手段所获得的遥感影像中蕴藏了大量的信息,包含了几何信息、纹理信息与光谱信息,并逐渐成为了目前获取道路信息的主要技术手段。高分影像数据是目前较为普及的遥感数据源,相对于车载激光点云数据具有较好的全局性,可提供丰富的地物纹理,数据采集受距离、高反射对象的影响较小。将车载点云与高分影像融合,可以实现异源数据的优势互补。本论文以车载激光扫描点云和高分影像为数据源,研究车载激光点云与高分影响的融合方法。主要研究内容如下:（1）车载点云数据进行预处理方法,主要研究在不影响道路边界的情况下对点云进行异常点与孤立点的剔除。（2）本论文提出了点云数据与高分影像基于特征点融合的策略,实现了点云数据与高分影像的高精度配准融合。该方法将点云数据投影为强度图,将高分影像转换为灰度图。采取基于特征的方法实现车载点云强度图与高分影像灰度图融合配准。包括SURF算法特征提取、双向匹配法实现特征点对匹配、自适应邻域算法剔除错误匹配点对、使用二维仿射变换实现特征配准。本论文提出的方法利用高分影像道路数据采集的连续性和全局性使得两站车载点云找到较好的初始位置,实现粗拼接,再使用八叉树改进的最邻近点迭代算法完成两站点云的高精度拼接。（3）通过将点云与道路高分影像叠加分析,利用道路高分影像纹理信息,并通过基于色差阈值的方法辅助,将车载点云植被点剔除,并通过采用经过优化的三角网渐进加密滤波算法实现了道路点云的滤波,最终提取出道路路面点云。经过验证,使用本文改进后的拼接方法,较直接使用经典最邻近点迭代方法在时间效率上高5倍,平面精度提高了4倍,高程精度提高了1倍。使用本论文方法滤波后一类误差为4.67%,二类误差为3.68%,总误差为3.92%,精度较高。