刘如飞，杨继奔，任红伟，柴永宁

(1.山东科技大学 测绘与空间信息学院，山东 青岛 266590；2.交通运输部公路科学研究所，北京 100088)

0 引言

车载激光扫描系统能够快速获取高密度、高精度的道路点云数据，从点云中可获得道路基础设施的三维信息，对智能交通、应急管理以及道路养护具有重要意义，但海量点云数据中含有大量冗余信息，给管理与应用带来极大的挑战[1-2]。根据道路数字化管养发展需求，路面主要管理对象包括路面边界位置、路面坑槽、沉陷、裂缝等破损目标，均为路面点云三维特征。因此，在路面点云精简过程中，如何建立一种主要目标保留机制，支撑路面破损分析重构，具有重要的理论与实际意义。

目前，三维点云数据精简方法主要分为基于拓扑结构和基于特征保留两种。Weir等[3]利用八叉树结构循环递归地对点云外包围盒进行拆分，用最小包围盒中心点代替所有点。该类基于拓扑结构的点云精简方法虽然简单高效，但属于均匀采样，不能顾全模型特征。Xi等[4]基于最小距离，利用最小二乘曲面拟合计算平均曲率和法向，然后基于二者交叉保留特征点。Miao等[5]采用均值移位聚类模式的曲率感知自适应重采样方法精简点云，能保留明显特征点，获得非均匀精简结果。Zhang等[6]引入熵的概念进行点云精简，将每一段的形状特征与自然二次曲面的精简模型进行匹配，设置规则进行简化。Yang等[7]将L-1中值和基于泊松分布的区域生长算法相结合，引入k+1邻域计算点云的特征描述值，实现多阈值的特征保留。……