三维激光扫描技术以其快速、低成本、高精度获取海量点云数据的优势,正逐步成为“智慧城市”建设中三维数据采集的重要方式。LiDAR扫描系统获取的点云数据具有三维离散性、高密度和数据量大的特点,给数据服务带来了挑战。相对于激光扫描数据获取能力的快速提高,点云数据的处理能力明显滞后。如何从海量点云数据中提取目标信息是当前的研究热点。为此,本文以地面激光点云数据分割为背景,重点研究了LiDAR点云地面点分割和粘连目标分割问题,主要工作如下:1、对激光扫描系统的定位原理和现有的激光点云分割方法进行了介绍。首先介绍了地面激光扫描技术的工作原理;然后分析了当前地面点云分割方法的国内外研究现状;最后,详细的介绍了当前国内外几种经典的点云分割方法,并通过对测试数据的仿真实验,指出这些算法优缺点。2、针对点云数据中地面与地物点云相连问题,本文提出了基于超体素的LiDAR点云地面点分割算法,实现地面点与非地面点的分离。该算法首先对点云数据生成局部点云块;然后对每个局部点云块,根据地面点云数据的空间分布特征,结合颜色信息,构造了39维的特征描述子,并利用模糊C均值算法生成超体素;在此基础上,引入八叉树体素的空间邻接关系,利用一种向上生长的分割方法实现了地面点与非地面点的分割。超体素方法在保留点云数据局部边界特征上具有较好的效果,对比试验证明了该方法的有效性。3、针对非地面点云数据中,存在着部分树木与树木、树木与建筑物的粘连问题,提出了基于图割的LiDAR点云粘连目标分割算法。该方法首先利用点云数据的空间分布及颜色信息对粘连目标生成超体素;然后以每个超体素作为一个整体,构造加权图;最后引入图论中的最大流/最小割,通过最小化能量函数来实现点云数据粘连目标的分割。实验结果表明,该算法利用图论中的图割理论,能够很好地实现点云数据粘连目标分割。最后,针对本文所做的工作进行了总结,并对本文的后续研究工作进行了展望。