车载LiDAR系统集高精度GNSS/IMU组合导航定位系统、激光扫描仪、影像系统等多种传感器为一体,是“智慧交通”、“智慧城市”建设过程中获取和更新三维空间信息的主要方式之一。车载LiDAR系统按激光发射束或扫描线数量分为单线和多线系统,在行驶过程中均能高效、实时地记录高精度点云数据,被广泛应用于道路信息调查更新、高精度智能驾驶等交通领域以及三维建模、城市规划等智慧城市领域。地面滤波是基于点云数据生成数字高程模型（DEM）的重要过程;精确的地面滤波结果能够为道路信息提取、三维建模等应用提供有效数据支撑。地面滤波是点云数据处理的重要研究内容,传统激光点云地面滤波算法研究早,目前形成了多种方法,如基于坡度的地面滤波、基于数学形态学的地面滤波、基于表面的地面滤波。然而,车载LiDAR点云数据密度高、分布不均匀、地物细节丰富,已有激光点云地面滤波方法的直接应用在效率和精度上效果不良好,如何实现高效、准确的海量车载点云地面滤波仍亟待解决。结合车载LiDAR点云数据的特性,论文研究了一种基于断面点云几何特征的车载LiDAR点云地面滤波算法以实现高效、精确的地面点提取,主要研究工作和成果如下:（1）构建了一种基于断面分割的车载LiDAR点云组织形式为了解决单线（如集成Riegl扫描仪）和多线车载LiDAR（如集成Velodyne扫描仪）系统的车载点云扫描线间数据排列不规则、扫描线内部数据剖面特征不明显的问题,在分析点云场景中道路面及周边地物的三维结构和几何特征的基础上,结合轨迹信息对原始点云进行道路横断面分割,以构建无序点云的有序组织形式;基于断面内不同目标点云的差异性,以直观地获取道路及周边地物本来的剖面特征,提高点云的处理效率。（2）移动最小二乘拟合种子平面及种子点为了解决车载点云数据量大、密度不均匀、数据缺失引起的点云地面滤波效率、精度低的问题,基于道路面及道路边界点云在断面内的高程、坡度等几何特征差异,逐断面运用移动最小二乘提取道路面及道路边界,实现道路面点云的快速提取,减少后续点云滤波的数据量;根据相邻断面间同类目标点云具有相似几何特征,使用移动最小二乘优化道路边界,并将道路边界作为后续地面滤波的种子点,以提高地面点提取的精度。（3）设计了一种断面几何特征约束实现地面滤波针对车载点云地面滤波的精度问题,论文对点云数据逐断面建立三维柱坐标系结合直角坐标系获取更全面的点云属性信息弥补车载点云信息表达不连贯的问题,分析剩余非道路面点云的分布规律和几何特征进而构建几何特征向量,通过约束断面内点云的几何特征提取地面点以提高地面滤波精度。（4）实验证明论文算法的科学性和可靠性本文利用4份车载LiDAR点云数据对提出的方法进行验证,实验结果表明,论文提出的算法在平均长度为5.29km、平均点数为3975000、平均点密度为876pts/m~2的高速公路场景以及复杂城区道路场景能够取得了较高的地面滤波精度与效率,平均第一类误差、第二类误差和总误差分别为3.30%,3.10%,5.22%;平均处理时间为19875pts/s。