三维激光扫描点云可以用于客观描述和数字化再现真实世界的三维场景。分析点云典型场景（如道路环境）中各类目标之间的位置关系,提高遮挡情况下目标检测的准确性,从而明确导致目标遮挡的空间因素,具有重要的学术和应用意义。然而,实现自动化点云场景可见性分析在目前仍面临诸多挑战。首先,现实场景中受遮挡的目标往往同时受到周围相邻目标的干扰,使得这些处于高噪声点云中的目标检测难度加大。其次,观测模型构建以及遮挡计算需要应对复杂多变的场景,缺乏系统性遮挡分析方法。此外,大规模海量点云数据对可见性分析技术各环节的运算效率要求较高。本文以植冠遮挡交通标志牌和地面采光作为研究示例,以构建精确、高效的点云场景可见性分析方法为目的,主要研究以下三方面内容:首先,针对稠密点云场景语义目标检测效率低的问题,提出一种近似积分规则的快速植冠提取算法。该算法基于体素运算,依次对非空体素构建球形邻域体素空间,并计算球形空间内各邻域体素与当前遍历体素的相似值。然后,累积邻域空间内各体素的相似值,并按设置的结构判定规则进行分割,从而检测点云中的植冠数据点集。实验结果中,该方法在成熟城区场景的F值在0.8以上,运算时间基本保持在0.2分钟以下,满足复杂条件下快速语义目标提取的需要。其次,针对点云日照分析难以应对物体轮廓复杂性、场景组件多样性的问题,提出了一种兼顾植被目标的点云采光遮挡分析方法。该方法先利用形态、密度特征以及非极大抑制进行感兴趣区域的提取。接着,构建光源偏差约束规则,对感兴趣区域点集进行最远点贪心策略计算,获取基点数量和位置。然后,利用地理信息模型计算点云场景太阳位置,并采用广义隐藏点移除算法对整个场景进行阴影绘制,最终获取全局遮挡分析结果。实验结果中,该方法平均精确度达2.71m,证明了方法的有效性。最后,针对交通标志牌可见性分析中难以提取语义目标、缺乏系统性观测模型的问题,提出了一种基于司机视角的交通标志牌遮挡检测方法。该方法先采用考虑了显著性特征的多重滤波算法获取标志牌,再提出采用基于轨迹线的观测规划方法选取需要观测的标志牌,并定位相应视点。然后,采用隐藏点移除算法进行遮挡计算。最后,提出遮挡分析指标用于分析遮挡程度,并提取出遮挡物如植被等。植被遮挡交通标志牌检测方法的实验结果F值接近于0.85,显示了方法的可靠性。综上所述,点云植冠快速提取方法为后续可视性分析提供场景中的语义信息。兼顾植被目标的日照遮挡分析克服植被轮廓不规则的难题,为地面场景日照分析提供了直接的技术支持。植被遮挡交通标志牌检测方法克服了点云场景复杂环境下标志牌提取、观测模型构建、司机视角动态遮挡分析等方面的技术难点和空缺,为点云道路场景的可见性分析提供了技术支持。因此,本文通过构建系统性的遮挡计算和处理方法,改善了点云场景可见性分析技术存在的困难,并促进相关点云处理技术在园林绿化、智能交通、可再生能源、绿色建筑等领域的应用。