利用高密度激光雷达点云数据,针对城市双车道道路场景,采用PointNet++实现道路场景的自动分类,创建了纳入路侧环境的椭球体视域加宽模型,并引入内部形状描述子算法高效提取视域内关键地物特征点,继而搭建停车视距自动化检验模型,开展不同行车速度和路面条件下的三维停车视距检验,最后提出全路段停车视距满足率和单个视点停车视距符合率2个指标,以评价道路停车视距安全.通过城市双车道实例检验,结果表明,道路场景自动分类后的平均交并比、准确率、精确率和召回率分别为81.9％、91.7％、86.2％、91.1％.特征点提取后,点云数据量减少约85％,停车视距检验效率提高约70％.在同等路面条件下,2条城市双车道的全路段停车视距满足率平均值由行车速度为30　km/h时的83.7％降低至行车速度为60　km/h时的51.0％;在同等速度下,2条城市双车道的全路段停车视距满足率平均值由干燥路面时的68.8％降低至冰滑路面时的30.9％,说明行车速度提高或路面条件不良时,视距值显著降低.该研究可为营运期道路停车视距检验与评价提供详实的决策依据.