斑马线作为一种常见的道路路面标识,在世界上被广泛使用,通常是由许多平行的矩形平面组成,其向司机和其他道路使用者提供了重要的交通引导。随着三维点云建模领域的快速发展,对道路交通标志进行三维重建也逐渐成为一个研究热点。通过对点云场景中的斑马线进行三维重建可以得到斑马线模型并获取斑马线的几何信息,有效地解决了高精度地图中斑马线点云所需占用的存储空间大,人工测量效率低成本高以及点密度分布不均匀的问题,并为智慧城市建设、城市精细化管理提供了重要的技术支撑。因此,研究点云场景中的斑马线三维重建方法具有重要意义。本文主要从以下两个方面展开研究:第一,提出了基于布谷鸟搜索算法的斑马线三维重建方法。点云场景中斑马线的三维重建可转化为对斑马线点云进行平面拟合。针对目前点云平面拟合方法拟合得到的平面模型几何信息不完整的问题,本文采用程序式平面拟合方法,通过设计合适的概率程序,以获取一个几何信息更加完整的平面模型,并采用布谷鸟搜索算法作为程序式平面拟合的最优化算法来进行斑马线的三维重建。通过本方法重建得到的斑马线模型不仅具有边界信息,同时还能获取斑马线的长度、宽度、坡度等信息。第二,提出了基于深度强化学习算法的斑马线三维重建方法。本方法实现了多平面拟合,且采用具有较强决策能力的深度强化学习作为程序式平面拟合的最优化算法来进行斑马线的三维重建,有效地减少了拟合的迭代次数。本文在模拟点云数据和真实点云数据上对提出的两个研究内容做了实验验证,并对实验结果做了分析,实验结果表明了本方法切实有效。