交通需求的增长使得道路安全问题日益严重,道路信息的提取对安全监测的作用日趋明显。车辆作为道路信息的重要组成部分,准确的提取特征尤为关键。车载激光雷达(Light Detection And Ranging,LiDAR)为车辆特征的提取提供了精确的点云数据,然而目前的物体自动分类智能化程度较低,因此研究一种自动检测技术对于提高点云中车辆提取的速度及准确度具有十分重要的意义。本文以车载LiDAR点云数据中车辆自动检测为目的,介绍了LiDAR数据获取原理、数据扫描及存储方式等基本技术理论,对车辆具体特征提取以及分类方法进行分析与研究。通过对数据集进行分段并使用曲面生长法以及连通区域分析,在移除地面点的同时将无规则的非地面点组合成相应部件;随机选取路段手动添加标签作为标准并用于结果评价;针对车辆的具体特点,将特征分为三类:情景特征、几何特征和其他特征。其中,情景特征重点考虑车辆的位置,几何特征重点考虑车辆的大小、密度、最低高度、车辆的高度以及面积,其他特征主要包含物体的特征值、基于特征值的LiDAR特征、基于随机抽样一致算法的特征值以及反射信息,以此形成特征表用于分类;采用正向选择与后向选择两种特征选择方式对特征表中的特征进行选择,同时结合贝叶斯线性判别分类器和线性支持向量机两种分类器分别对所有车辆和静态车辆进行检测;通过将点云所获取位置的图像以及最初所得的标准作为评价依据,分别计算完整度、正确度以及整体准确度并对比车辆与其他物体的检测程度对车辆最后检测的结果进行量化分析。论文以荷兰恩斯赫德市的数据为例,对所使用的特征提取及分类方法进行了实例分析。结果表明,针对车辆特性提出的各项特征科学、可行,特征选择及分类的方法实用、合理。进而证明了这种车载LiDAR点云中的车辆自动检测技术具有较高的有效性及可操作性。