随着公路养护信息化的发展,现代化信息手段与传统公路养护的结合日益紧密,是确保公路养护快速、长期、有效发展强有力的依托。这就迫切地需要建立起一套行之有效的公路养护信息化系统,系统的核心功能之一就是对公路病害的及时发现、及时汇报、及时处理。公路病害主要的研究内容就是路面破损的研究,因此对于路面破损的检测识别已经成为国内外的一个极具研究价值的重要课题。基于光学原理,通过测量激光回波信号来探测目标物体,LiDAR传感器被广泛应用于各种三维目标检测、三维物体检测和三维场景识别。LiDAR所获得的环境点云数据精度高,信息量大,不容易受到气候、光线、物质表面纹理等因素影响。但是,LiDAR点云具有信息量大、密度分布不一致、非结构化分布等特点,LiDAR传感器连续扫描获得的多个或者多帧的数据在内存中的存储方式并不是有顺序的,几乎不可能直接利用卷积核按个或者按帧去提取三维点之间的拓扑关系信息。为此,为实现LiDAR点云路面破损检测,本文完成的工作如下:（1）通过使用32线LiDAR传感器扫描真实的道路路面破损情况,获取道路破损路面点云数据集,结合FPS采样和RANSAC算法,计算路面点云高程值,生成高程矩阵并转化为灰度值矩阵。同时,并根据采集到的道路路面的三维点云数据和路面破损的特征模拟生成一部分道路路面破损三维点云数据。（2）结合FPS采样算法和RANSAC拟合算法,获取道路路面破损处的三维点云数据集,道路路面破损处的点云数据将被排除在外,因此会在获取的点云数据中出现大范围三维坐标点的缺失现象,作为判断路面是否破损的依据,并创建了用于道路路面破损检测使用的三维点云数据集。本文所创建的用于道路路面破损检测的数据集数据真实可靠,点云数据数量适中、路面破损标识准确。（3）在基于卷积神经网络的LiDAR点云道路路面破损检测方法中,将路面破损的点云数据集的高程矩阵转化为灰度值矩阵以后,作为路面破损特征,输入到Lenet-road神经网络中进行训练和学习,经过一次卷积后进行特征融合,然后融合后的特征矩阵通过两次卷积操作和两次池化后,输入到全连接层中,通过大量的迭代计算训练实现了利用LiDAR点云进行路面破损的检测,其检测的准确率为95.5%。