1.基于点云数据道路纵横断面的自动提取方法，其特征在于，包括以下步骤：步骤S1：数据的采集与处理

根据预先规划好的采集线路及采集顺序，进行道路原始激光点云数据采集工作，然后对数据进行预处理；

步骤S2：纵横断面自动成图

对经过预处理的点云数据进行处理，获取道路的纵断面点坐标与横断面点坐标；基于道路的纵断面点坐标与横断面点坐标进行纵断面图与横断面图的绘制工作，实现道路纵横断面的自动提取；

在所述步骤S2中，对经过预处理的点云数据进行处理，获取道路的纵断面点坐标的过程如下：S201：通过点云交互式点选给定道路起点与终点坐标，以确定道路中心线的坐标方位角与距离，并计算道路中心线上用户预设的相等间隔的中桩点坐标；

S202：通过计算确定道路的横断面数，然后求取沿指定直线方位角指定间距处的各点的坐标；

S203：以求得的中桩点为基础，建立KD‑tree，搜索该点周围用户设定数量的点，提取这些点的高程值取平均，即为纵断面点坐标；

在所述步骤S2中，对经过预处理的点云数据进行处理，获取道路的横断面点坐标的过程如下：S211：将相邻的两个中桩点坐标所在直线的斜率视为该中桩点在道路中心线处的斜率，即确定了横断面的方向；

S212：将横断面所指的方向按照预设的取点间隔进行分割，获取间隔点坐标，随后建立KD‑tree搜索分割点周围用户设定数量的点，提取这些点的高程值取平均，即为横断面点坐标。

2.根据权利要求1所述的基于点云数据道路纵横断面的自动提取方法，其特征在于：在所述步骤S1中，道路原始激光点云数据采集过程如下：S101：设计道路两侧等间距布设设定数量的靶标控制点；

S102：采用RTK测量仪、水准测量仪获取靶标控制点的平面坐标与高程；

S103：采用车载激光扫描系统获取道路原始激光点云数据；

S104：选取预设间隔的靶标控制点来检查原始激光点云数据的平面、高程精度。

3.根据权利要求1所述的基于点云数据道路纵横断面的自动提取方法，其特征在于：在所述步骤S1中，数据预处理的过程如下：S111：采用高斯滤波、统计滤波将道路原始激光点云数据中的高频噪声点去除；

S112：采用CSF模拟布料滤波算法，对地面点和非地面点进行分离；

S113：在进行滤波的同时对经过CSF模拟布料滤波算法处理后的原始激光点云数据进行了随机抽稀处理，随机对该点云数据进行选点，通过滤波得到地面点。

4.根据权利要求3所述的基于点云数据道路纵横断面的自动提取方法，其特征在于：在所述步骤S111中，设 为原始激光点云数据，对其进行KD‑Tree搜索后的数据集为 ，定义 为已经得到的点 到其k个邻域点的平均距离， 为 的均值， 为 的标准差，则得到以下高斯滤波的算法公式：；

；

。

5.根据权利要求3所述的基于点云数据道路纵横断面的自动提取方法，其特征在于：在所述步骤S111中，统计滤波的计算过程如下：S1111：对每个数据点的邻域进行统计分析，则点云数据中所有数据点的距离假设构成高斯分布，其形状由均值 和标准差 决定；设点云数据中的第n个数据点坐标为，该数据点到任意一数据点 的距离为：；

S1112：计算遍历每个数据点到任意数据点之间距离的平均值，公式为：；

S1113：设标准差为：

；

设标准差倍数为std；

当某个数据点临近k个数据点的平均距离在标准范围 内时保留该点，不在该范围内时，则定义为离群点并删除。

6.根据权利要求3所述的基于点云数据道路纵横断面的自动提取方法，其特征在于：在所述步骤S112中，CSF模拟布料滤波算法的处理过程如下：S1121：将经过去噪的原始激光点云数据倒置，后将倒置后的点云数据和用户模拟出来的布料节点投影到同一水平面上，并在点云数据中找到布料节点所对应的点，将其高度记为h；

S1122：在每次迭代过程中，比较布料节点的当前高度和h的大小，直到h与当前高度差距的绝对值小于预设数值或到达最大迭代次数时，迭代终止；

S1123：计算倒置后的迭代终止的点云数据点到布料节点之间的距离，当该距离大于设定阈值时，该点被记为非地面点并被过滤，反之则被记为地面点。

7.根据权利要求1所述的基于点云数据道路纵横断面的自动提取方法，其特征在于：在所述步骤S2中，纵断面图采用直角坐标法绘制，横坐标为里程，纵坐标表示高程，纵断面图用于反应道路走向方向上的地形变化。

8.根据权利要求7所述的基于点云数据道路纵横断面的自动提取方法，其特征在于：在所述步骤S2中，横断面图以等间距切割的间隔点并以邻域点的高程取平均作为纵坐标，沿道路中心线法线方向等间距切分的距离为横坐标，横断面图用于反应道路走向的法线方向上的地形变化。