车载激光扫描系统通过非接触的激光测距方式,实现道路环境三维信息的采集,具有高密度、高精度、快速高效的特点,在城市道路资产管理、农林业、高精地图和无人驾驶等领域有重要作用,对“智慧城市”与“数字交通”的实现和构建有相当重要的意义。然而,由于车载激光扫描系统中全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性测量单元(Inertial Measurement Unit,IMU)测量误差的累积,重访车载点云存在显著位置偏差,严重影响了后续数据处理与应用。在工程应用中,通常沿车载轨迹布设控制点,依据地面控制点改正车载点云的相对与绝对精度,但是控制点布设成本高且费时费力。现有车载点云数据质量改善算法分为数据驱动与传感器驱动两类,数据驱动方法利用点云提取的几何特征计算转换矩阵进行位置改正,传感器驱动方法首先改正车辆轨迹的位置和姿态,然后重新解算点云数据。现有方法都有各自的缺陷,很难适用于复杂的车载点云采集场景。因此,研究车载点云位置一致性改正算法十分必要。本文利用车载轨迹信息,基于两两配准和图优化理论开展了以下研究工作:(1)详细阐述车载激光点云位置一致性改正问题的研究背景、意义与现状。(2)详细介绍车载激光扫描系统的组成,分析车载激光点云的特点及其误差来源,并对其在各领域的应用进行了简单总结。(3)依据车载激光扫描系统的采集特点,提出一种基于轨迹的车载点云多层次分段方法,并对其进行了实验验证。(4)发展一种同名特征匹配方法,提高二进制形状上下文特征同名匹配的准确度与效率,并且基于二进制形状上下文特征,提出一种由粗到精的车载点云两两配准方法,通过实验验证同名特征匹配的准确度和效率,以及两两配准结果的精度和鲁棒性。(5)在两两配准的基础上,基于图优化理论进行车载点云位置全局一致性改正。研究表明:先依据车载轨迹对车载激光点云进行多层次分段,再利用三维特征点进行两两配准,最后依据图优化理论进行全局优化,可以很好地改正其存在的位置不一致问题。本文提出的方法适用于不同偏差级别的城市场景车载点云,高效且鲁棒。