路灯在夜晚为行人、车辆、路面监控相机提供照明，在交通设施中扮演着重要的角色。路灯能极大地减少晚上事故发生的频率，尤其是道路交叉路口的交通事故。路灯杆的地理位置等信息可以应用于城市规划、环境影响评估、智能交通系统、灾难管理。对于智能交通系统相关的应用，路灯杆可以用于路面设施维护、道路安全分析、高级驾驶助手、语义地图以及智慧城市。例如，在高级驾驶助手中，路灯杆的位置可以让道路跟踪更加稳定。所以，定期的路灯杆普查和维修是很重要的。由于道路上存在着大量的路灯杆，传统的人工普查方法需要耗费大量的时间。目前急需一种快速并且鲁棒的方法来提取路灯杆的信息。　　目前由于车载激光扫描系统独特的优势，越来越多的国内外学者研究如何在点云数据中提取路灯杆的信息。但是由于海量的点云数据以及大量的路灯杆被树木或其他物体所遮挡，这些都给路灯杆的提取提出了巨大的挑战。针对以上问题，本文提出了一种基于超体素的全自动化、高效、鲁棒的点云路灯杆提取算法。　　本文提出的算法总共分为五大步骤:预处理、定位、分割、特征提取以及分类。首先原始点云场景沿着轨迹线进行分割成块便于点云算法处理。接下来地面点被过滤，非地面点生成超体素。接着杆状物体的位置被本文提出的一种鲁棒的杆状物体定位算法而定位出。然后本文提出的位置导向分割算法分割出杆状物体。接着每一个杆状物体的杆特征被计算出，并且被支持向量机和随机森林分类。　　本文提出的算法在三个测试数据集上进行测试。测试数据集公路的全长超过10km，总共有1055个路灯杆，7亿多个点。实验结果中的杆状物体的定位平均召回率达到了98.8％。对比实验研究表明本文提出的算法比其他现有的路灯杆定位和提取算法更具有高效性和鲁棒性。同时本文中所涉及到的关键参数也有进行敏感度分析，分析结果表明，本文提出的算法的性能即使在路灯杆被遮挡的情况下性能也较为稳定。