激光扫描技术的产生和发展，为空间三维信息的获取提供了全新的技术手段。通过结合定位定向系统，车载激光扫描系统可以实现直接地理定位，并且能够以较低的成本快速获取大范围场景的高分辨率、高精度的三维点云数据。但是其获取的海量数据对后续的存储和智能化处理带来了一系列挑战。同时，数据中存在的噪声和遮挡也对目标检测算法的鲁棒性提出了更高的要求。智能交通系统是各国交通运输领域发展的重要方向，其作为重要的技术手段对改善我国交通运输行业的服务质量，改善交通安全，提高运营效率和管理水平起着重要的作用。目前，将车载激光扫描技术应用于智能交通领域已成为国内外研究的热点。然而，现有的道路目标检测算法在处理大场景车载激光点云数据时仍然存在时间复杂度高、鲁棒性不高、数据不完备、目标识别智能化程度低等问题。针对这些问题，本文主要从以下两个内容进行了研究:　　首先，针对传统的路面厚度检测方法效率低、精度差、不安全以及易对路面造成伤害的问题，提出了一种基于移动激光扫描技术的快速、准确检测重建道路路面沥青厚度的可行性方法。利用移动激光扫描系统分别获取道路改造工程铺设沥青前后的道路点云数据，经过数据配准、路面点提取以及路面平面结构的拟合，最后通过计算两个平面间距来估计沥青的厚度值。　　其次，针对目前大多数检测道路标线的算法采用将三维点云数据映射成二维特征图并利用图像的处理方法检测道路标线的现状，提出了一种直接从三维点云数据中检测并分割道路标线的方法。为了解决路面点密度不均的问题，提出一种基于多阈值分割的道路标线检测算法，并通过空间点密度滤波的方法去除检测到的噪声点。随后，利用欧式距离聚类法和基于体素的归一化割算法对道路标线进行分割。　　本文通过多组数据集以及对比试验对所提出算法的性能进行了测试与分析。结果表明，本文提出的两个算法均能有效的解决针对的问题，较好的达到了预期的目标。但是，由于缺乏足够的理论深度，算法仍然存在一些不足之处。针对这些不足，本文也对以后的研究方向做了进一步的展望。