方莉娜，沈贵熙，游志龙，郭迎亚，付化胜，赵志远,陈崇成

1. 福州大学数字中国研究院(福建)，福建 福州 350002； 2. 福州大学计算机与大数据学院，福建 福州 350002； 3. 福建省水利水电勘测设计研究院，福建 福州 350002

道路两侧行道树、车辆及杆状交通设施(路灯、交通标志牌)是重要的路侧设施和目标，其位置姿态、种类和语义信息是高精地图中描述静动态交通信息的核心要素[1]，对于智能交通，导航与位置服务，自动驾驶和高精地图等行业具有重要作用。车载激光扫描系统作为快速发展的新型测绘技术，能够快速、准确地获取道路及其两侧地物高精度的三维空间信息，被广泛应用于城市交通信息的采集和更新[2-3]。由于车载激光扫描系统采集城市场景具有目标丰富、点密度分布不均、数据缺失以及路侧地物复杂多样等特点，从车载激光点云中自动且高精度分类路侧目标仍具有较大挑战[4]。

近年来，国内外研究学者分析行道树、车辆及杆状交通设施的局部或全局基础特征[5-6]，将人工构建的高程、强度、法向量等特征利用决策树、随机森林、BP神经网络等机器学习模型进行行道树、车辆、建筑物等的提取与识别[7-8]。对于具有较大差异的路侧目标，这些基础特征能取得较好的识别精度；对于相似或部分缺失的路侧目标，这些基础特征经常表现不足[9]。随着人工智能技术快速发展[10]，一些学者将分割后的目标进行体素化或转化为图像，利用深度置信网络(deep belief network,DBN)、深度玻尔兹曼机(deep Boltzmann machines,DBM)等深度模型提取行道树、车辆及杆状目标的高阶特征进行分类[11-12]。……