道路作为国民经济的命脉,在生产生活中发挥着十分重要的作用。机载激光雷达(Light Detection and Ranging,LiDAR)技术可以快速获取高精度的三维(3 Dimension,3D)点云数据,它的出现使得道路3D信息的快速提取成为可能。已有经典的基于机载LiDAR点云的道路提取方法中主要采用的数据结构有规则格网、不规则三角网和点云。其中,前两者为2.5D数据结构,同一平面坐标只对应一个高程值,因此对3D点云进行表达时会造成有效信息的损失,影响道路提取结果的完整性;点云数据结构包含了原始数据的所有信息,但是数据点的空间关系难以利用导致道路提取结果精度降低。因此,有必要采用一种更为简单的3D数据结构——体元,本文围绕构建一种灰度体元数据结构模型展开研究,并在此模型基础上提取3D道路体,进而应用于道路网的构建。论文的创新点主要包括:(1)提出一种灰度体元数据结构模型。该模型主要将数据集的包围盒划分为3D体元格网并根据激光点的强度值为体元赋值。模型将原始LiDAR点云规则化为以体元为结构单元的3D体元数据,为后续道路提取奠定了基础。(2)提出了一种从构建的灰度体元数据结构模型中提取道路体元的3D道路提取方法。该方法首先选取种子体元,然后标记种子体元及其3D连通集合,最后利用数学形态学对其进行优化,综合利用了道路的高程和强度信息,基于3D连通构建的思想提取3D道路。(3)提出了一种从3D道路体中构建道路网的方法。该方法首先检测并填补道路空洞,然后提取骨架线并对骨架线去噪,主要基于道路体元在灰度体元数据结构模型中的空间索引构建道路网。利用不同道路复杂情况的两组实验数据对所提方法进行验证,并对道路体及道路网提取结果进行定量评价,结果表明道路体的完整率、正确率均达到80%以上,道路网的结果均达到85%以上,同时也验证了提出的灰度体元数据结构模型的可行性。