精确详细的道路模型在基础设施规划,交通监测,地图更新和驾驶员辅助系统等多种地理空间应用中扮演着重要的角色。在本研究中,我们提出了一种利用融合数据(高分辨率航空影像和LIDAR点云)进行道路自动提取的综合方法。在已获取地图的更新方面,LIDAR数据和航空影像是有前景的数据源,能够生成道路地图以支持政府和用户的行动和任务。尽管还没处理或使用的高分辨率航空影像和密集的LIDAR数据已经堆积如山,新的数据还在源源不断地累积。这种现象发生的根本原因在于,相比传感器硬件技术的发展,航空影像和LIDAR数据的自动处理技术的发展受到了更多的限制。充分利用这些数据源进行目标探测非常具有挑战性。诸如航空摄影LIDAR(Light Detection and Ranging)等遥感技术为快速大范围高精度制图提供了一种手段,但是使用这些传感器数据进行路网探测与制图的技术还处于初级阶段。尽管现在提出了很多半自动或者自动提取道路信息的方法,这些方法的效率都取决于影像分辨率,道路输入特征,以及所使用的(为提取特定所需特征开发的,通过几种图像处理方法合并的)算法。因此这些问题仍未解决并且这些方法都不能在没有人工干预的情况下解决这些问题。因为在不同复杂程度的情况下(树木,建筑,阴影,其他地物产生的遮蔽等等)不同道路(城市,乡村,突发)的差别很大,所以我们要指出的是,现存的道路提取算法和功能都是基于任务与数据的。然而,本文提出的算法以识别带状道路与语境目标(比如,停车场,草地和树木)为核心。因为LiDAR数据包括很多场景的信息,大部分地形特征,诸如道路和建筑等都是可分辨的。此外,在LiDAR强度像上,道路特征均匀,并且与空地高程一致,因此可以用来消除阴影和树的影响。而且,从LiDAR上获取的归一化DSM(nDSM)可被用于过滤其他的路面上地物,比如建筑和车辆。在此之后,我们利用基于颜色的分割从航空影像上探测与提取草地和树木区域。因此,本文提出的方法主要集中在如何改进道路探测上,而之前关于道路的精确描绘并不为人所关注。我们通过将结果与人工提取的参考数据比较来评定结果精度。此外,我们还使用额外的质量评定(完整性,正确性,质量等)来对精度进行评估。结果显示该方法可以提取超过90%的道路。