条纹管激光雷达具有高分辨率、大视场、高帧频等优点。随着条纹管探测系统的不断改进,目前条纹管激光雷达的数据采集速率可达1000张/秒回波图像,但是庞大的激光回波数据的处理并转换成点云数据的过程非常耗时繁琐,因此自动并快速取重要目标的研究已经成为必要。条纹管激光雷达采集到的原始数据为条纹回波图像数据,条纹图像中条纹的形状可以反映目标区域的表面形态,因此从原始回波图像中就可以获得目标的丰富的地形信息。针对条纹管激光雷达所采集的海量回波信号处理流程复杂、耗费时间大等问题,本文出了一种快速取不同目标回波信号的方法,通过该方法可以快速准确的得到目标点云信息。本文针对快速取目标信号所完成的主要工作如下。首先通过支持向量机算法实现了对地物回波信号的快速分类。选取不同核函数的支持向量机模型进行对比实验,得到最优的二分类模型,分类准确率为97.79%,F1分数为97.70%,召回率为97.39%。此外通过建立特征取的多进程加速算法,回波信号的分类速度,相对于改进前算法速度升了4倍,达到了200张/秒的分类速度。其次通过改进的OSA-YOLOv5模型对经过分类阶段得到的包含目标信号的条纹图像进行检测和取。通过将OSA模块加入到YOLOv5s模型中进行训练和测试,在验证集上m [email protected]升了4.1%,达到了89%,基于CPU的检测速度升了71%,基于GPU的检测速度升了20%。最后将支持向量机分类算法和OSA-YOLOv5算法结合进行单一目标的信号取实验,并形成点云数据。通过该算法对原始条纹图像进行处理,相对于传统的条纹管回波信号处理方法缩短了42.8%的处理时间,表明该算法在处理大批原始条纹数据上的优势,可以达到快速实时处理的目的。