随着激光雷达在测量测绘和智能驾驶等方面的应用,基于激光雷达的目标分类和识别逐渐成为研究热点,仅依靠激光雷达的三维距离信息难以对同一距离的目标进行分类。激光雷达的回波强度值可以反映目标的反射特性,同时在黑暗条件下回波强度值不受影响,可以弥补三维距离像和可见光图像的不足,对目标的分类和识别具有重要的应用价值。本文基于目标反射特性和激光传输特性相关理论,对脉冲激光雷达强度像关键技术进行研究。首先,理论推导了点目标和扩展目标的激光雷达回波功率模型,为激光雷达强度像研究提供理论基础。其次,基于随机粗糙表面模型,采用蒙特卡洛方法,研究了粗糙表面对激光雷达回波强度分布的影响。搭建了激光雷达回波强度测试平台,分析了距离、颜色、面积和粗糙度对回波强度的影响。之后,针对激光雷达强度值的提取、处理和分类,分别提出了积分形心法、基于形心的强度映射归一化算法、基于阈值的K均值聚类算法,对三种算法进行仿真验证,结果表明,积分形心法对激光雷达强度值的提取比峰值法稳定性更好,精度相比峰值法提高33%,基于形心的强度映射归一化算法可实现对不同距离、角度、增益的强度值归一化处理,基于阈值的K均值聚类算法比传统的K均值聚类算法分类更合理,准确度更高,并基于三种算法,采用点扫描成像平台,进行强度成像和目标分类。最后,设计搭建了8x8APD面阵激光雷达成像平台,完成了激光雷达强度成像,并基于距离信息和强度信息采用基于阈值的K均值聚类算法实现了对目标的分类。基于本文的理论分析和实验研究,实现了基于强度像的目标分类提取。本文的研究内容对激光雷达强度值的获取和处理具有较高的参考价值,对激光雷达成像系统和激光雷达强度像的应用具有现实意义。