针对基于车载激光点云的坑槽检测受道路横、纵坡度影响而导致误检和漏检等问题，提出了一种联合粗糙度与负偏态分布的路面坑槽检测方法。首先利用垂直度分割路面点云。然后，通过M估计样本一致性（MSAC）拟合局部基准平面，并计算点云的粗糙度；以粗糙度较小的区域作为潜在坑槽区域，并利用密度聚类和连续度实现潜在坑槽的单体化。最后，根据坑槽与邻域路面点云的粗糙度统计特征，结合负偏态分布实现坑槽区域的精确筛选，并提取坑槽的三维几何特征。采用开源数据和实测数据进行实验验证与分析。实验结果表明：实测数据路面中，坑槽检测的召回率达到89.2%，准确率达到76.7%；坑槽几何特征的提取结果与人工实地测量结果的最大相对偏差为9.4%，可为大规模的路面损坏检测提供有力支撑。

自动驾驶场景中，通常会用基于体素化的算法来完成点云3D目标检测任务，因为该类方法拥有计算量少、耗时少等方面的优势。但是当下常用的方法往往会带来双重信息损失，其一是体素化带来的量化误差造成的，其二则是对体素化后的点云信息利用不充分造成的。设计一个三阶段的网络结构来解决信息损失大的问题。第一阶段使用基于体素化的优秀算法完成输出边界框的任务；第二阶段利用一阶段特征图上的信息精修边界框，以解决一阶段对输入信息利用不充分的问题；第三阶段利用了原始点的精确位置信息再次精修边界框，以弥补体素化带来的点云信息损失。在Waymo Open Dataset上，所提多阶段3D目标检测算法的检测精度超过了CenterPoint等受工业界青睐的优秀算法，且满足自动驾驶落地的时间要求。

针对道路养护管理中缺乏车辙精确边界自动分析提取的问题，提出一种基于点云分水岭算法的路面车辙三维轮廓提取方法。首先对单车道路面激光点云数据进行高程归一化处理，消除路面横向设计坡度影响；利用包络线算法计算路面横断面的相对深度，生成路面点云相对深度模型，用于增强车辙辙槽的凹陷特征，并消除路面纵向坡度对点云分水岭算法的影响；然后，通过计算车辙边界曲率特征获取车辙粗略分界线，据此将路面划分为5个区域，选择每条横断面在对应区域相对深度最大的点作为点云分水岭算法的注水点集；最后，根据分水岭算法积水浸没的原理精确获取车辙的纵向轮廓。利用青岛平度市内S218省道的路面车辙激光点云数据进行实验分析。结果表明：所提方法可准确提取多类型的车辙边界，获取的车辙轮廓纵向边界均方根误差小于5 cm；同时，基于车辙边界获得的车辙深度均方根误差均小于1.5 mm，包络线法计算的车辙深度均方根误差均大于1.5 mm，所提方法具有更高的精度。所提方法为道路养护管理提供了一种有效的车辙三维轮廓提取方法。

三维点云边缘提取算法已被广泛用于海岸线的提取中。相较于海岸线，河岸线存在高程变化大、易被树木遮挡等问题，将海岸线提取算法直接应用于河岸线提取存在较多的局限性。本文提出了一种基于线扫描激光点云的复杂环境下河岸线精确提取的方法，实现了河流岸线高程不一致、河岸被树冠遮挡情况下河岸边缘点的精准提取。设计了一种自适应高程阈值动态调整方法，通过对高程进行实时统计，使得高程阈值能够自适应地变化并克服树木遮挡造成的岸线不连续的问题，以此获取更加真实的岸线信息。同时，将法向渐变作为约束条件，能在实现对提取的边缘点云滤波的同时构造出完整、平滑的河岸矢量线。最后，利用真实无人机载激光雷达数据验证了本文所提方法的有效性和精度。本文方法获取的岸线与真实岸线的均方根误差分别为0.2018 m和0.2675 m，本文方法获取的河岸线具有较高的完整性。本研究为复杂情况下的河岸边缘提取提供了一种高效精确的方法。

针对现有的基于点的网络平等地对待所有的点从而无法有效关注重要特征的问题，在激光雷达点云处理领域引入注意力机制，即CSA模块，其中CA表示通道注意力，SA表示空间注意力。两个模块以数据驱动的方式自动学习不同特征通道信息和不同空间位置信息的重要性，从而提升网络在点云分类和分割任务上的表现。在基于点的网络中引入了上述两个模块，提出了CSA-PointNet++结构。实验结果表明：所提方法在ModelNet40数据集上的分类准确率达93.20%，在ShapeNetPart数据集上的部件分割实验的平均交并比（mIoU）为82.62%，优于其他对比方法，验证了所提网络的有效性；同时，在真实世界自建数据集上，所提方法的分类准确率达92.14%，证明了网络在真实世界的数据上具有良好的泛化能力。

电力电缆敷设不规范是导致绝缘故障的主要原因,影响电缆的安全运行。当前电缆敷设质量检测多采用人工接触式测量,主观性强、精度低,容易对敷设区域造成二次损伤。文章提出一种基于点云的隧道电缆敷设质量参数自动检测方法。首先在电缆敷设施工位置获取隧道电缆点云数据;之后基于隧道的结构特征分割出电缆点云;最后,基于颜色和形态特征从电缆点云中分割出敷设区域并自动测量敷设质量参数。所提出的电缆和敷设区域点云分割算法的平均精确度、召回率、F1分数均大于0.92,自动测量的4个敷设质量参数平均绝对误差均小于0.35 mm。试验表明,该方法可以准确定位电缆敷设区域,并对敷设质量参数进行自动精准测量。

现实中存在大量对称物体，利用三维激光扫描设备可获得对称物体的三维点云，但由于遮挡及设备本身等因素，三维点云会产生缺损。针对该问题，提出一种基于物体对称性的非完备激光三维点云分类补全方法。根据单幅二维图像中的对称关键点，建立对称平面的映射关系，根据对称平面在点云中的位置对非完备点云进行分类。针对半残缺点云，直接进行对称平面检测，然后做镜像补全；针对残缺未过半点云，与镜像点云融合后去除镜像点云中的重复数据点，完成补全；针对残缺过半点云，与镜像点云融合后利用孔洞直接修复方法补全缺失信息；针对极度残缺点云，考虑到缺失信息过多，将输入点云与镜像点云融合后再与完整的相似点云进行融合，去除冗余点完成缺失信息弥补。非完备三维点云的实际采集点云与公共数据库中点云的实验结果显示，所提补全方法能将不同类型的非完备点云补全为与完整点云极为相似的点云，验证了所提分类补全方法的有效性和可行性。

基于线特征匹配的模拟预拼装是一种桥梁钢结构构件预拼装方法，采用连接处线特征匹配进行拼接，重叠度不高且未考虑线形精度。为此，提出了一种设计数据辅助的改进方法，其先利用缩小包围盒法与切片法分别提取构件的连接处线特征与线形特征，同时结合设计数据恢复得到的线形特征，按照对应关系融合为目标特征与源特征；再基于点特征直方图和迭代最近点法分别完成粗匹配和精配准；最后利用配准结果完成构件拼接。基于仿真数据，对比角点匹配、线特征匹配、设计数据辅助等3种方法的精度，实验结果表明：设计数据辅助法能有效提高线形精度。分别使用线特征匹配法与设计数据辅助法检测上海市南横引河桥钢结构构件的加工质量，检测结果表明：所提方法具有实用性且能有效提高线形精度。

从扫描的隧道激光点云场景中分割出隧道壁和标靶球是隧道三维重建的重要环节，同时也是实现隧道场景自动化监测的关键技术。然而，激光扫描获取的隧道三维点云中常包含着噪声点和离群点，隧道点云场景中的地面点占比较高且与隧道壁相连，直接对隧道点云数据进行标靶球和隧道壁的提取和识别具有一定挑战性。针对现有点云滤波算法不适用于隧道点云场景的问题，本文提出了基于法线评估的RANSAC平面拟合与直通滤波相结合的地面滤波算法。针对隧道壁和标靶球难以提取的问题，本文基于隧道点云地面的滤波结果，提出了一种基于DBSCAN聚类分割和条件约束的标靶球提取算法和隧道壁提取方案，利用非线性最小二乘球拟合方法对提取的标靶球点云进行处理，实现标靶球信息的提取及定位。本文在不同隧道场景点云上进行了实验，结果表明：本文地面滤波方法的总误差/Kappa系数在两个场景中分别为0.54%/97.75%和1.16%/96.71%，而且本文提出的标靶球拟合方法在3个标靶球上分别达到了99.8583%、99.5304%和92.9250%的精度。