随着激光扫描技术的成熟,三维激光点云数据由于其精度高、获取速度快的优点已越来越广泛的用于城市规划、建设、管理等工作中。然而,点云同时也存在着噪声干扰性高、单次采集区域有限、识别算法复杂等缺点,这给研究带来了一定的难度。如何能够针对点云数据的局限性,解决点云数据的快速拼接以及城市地物要素自动化提取是目前基于点云数据研究的重要课题。本文从城市典型地物的点云数据配准与要素提取的两个环节入手,在解决集效率与精度于一体的点云数据配准基础上,通过点云精细特征表达充分挖掘潜在的点云信息,实现基于MLS数据的城市道路和行道树的高精度提取。论文完成的工作以及创新点如下:(1)针对经典ICP算法在三维点云配准中的有效性进行了界定针对点云配准中传统的迭代最邻近点(Iterative Closest Point,ICP)算法缺点,以算法是否陷入局部最优解为依据,基于两幅点云数据集的重合度、夹角以及间隔距离三个重要参数进行算法验证,总结出了ICP算法在不同参数阈值下的变化规律,并给出了该算法能够取得正确配准结果的有效参数范围,为点云配准中是否需要增加全局配准环节的工作提供参考依据。此外,在算法有效范围内针对不同重合度的点云数据对配准精度以及算法效率进行评价。(2)提出了一种基于初始四点对的点云数据配准方法(Four Initial Point Pairs,FIPP)以快速点特征直方图(Fast Point Feature Histogram,FPFH)为描述子,通过计算点的FPFH差异提取显著特征点并构建候选点集,在此基础上,通过两个点集之间同名点特征相似、距离相等、位置一致的约束条件搜索四对点,再不断增加满足条件的新增点对直到点对数量满足配准的要求,最后通过整体最小二乘算法求解刚体变换矩阵完成点云配准工作。通过5种不同的点云数据实验结果来看,该方法不但在室内点云数据的配准中具有很高的效率和精度,同时在城市点云中也具有很高的精度。(3)提出了一种优化点云特征描述的RGB点云快速配准方法首先,统计点云数据集中所有点RGB值的种类数,并通过颜色滤波将具有较少点数的颜色去除。然后,通过对比两个数据集中RGB值的相似性构建源始数据集的候选点集,并利用改进的FIPP算法搜索用于全局配准的初始四点对,完成全局配准。最后,借助于ICP算法实现局部配准。通过两种数据实验结果表明,该方法能够在保持高精度的同时能够取得比FIPP算法更快的速度,该方法适用于具有RGB信息的点云配准。(4)借鉴区域增长法,提出了一种基于城市移动扫描数据(Mobil Laser Scanning,MLS)数据的道路提取方法该方法在高斯曲率、高程以及邻域点数三个条件的约束下进行初始种子的选取,并基于种子点所在切平面与邻域点的夹角阈值设定道路增长的判定原则,同时给出了出现多条不连续道路下的处理策略,进而实现城市道路的全自动提取。该算法在5种不同类型的道路中得到很好的验证,其Kappa系数均在90%以上。(5)提出了一种基于体素分层的城市行道树自动提取方法该方法基于统计滤波器实现离群点剔除,通过水平投影与格网分割实现地面点分割,以及结合点云聚类算法与法向差异完成建筑物点云的分离进而构建行道树候选点簇;再通过构建体素格网将候选点簇进行分层,针对候选点簇中的残余地面点、低矮地物、路杆等地物自下而上的横截面变化趋势实现剩余要素的剔除,最后通过寻找交叉树冠的临界线完成单颗行道树的识别。实验表明,该方法在独立行道树中识别度最高,在树冠交叉情况中树干识别度也较高但树冠点的区分误差较大。