针对地面激光雷达（TLS）进行单木分割时存在复杂林地欠分割或者过分割等问题，提出了一种基于连通性标记优化的单木分割方法。首先构建冠层高度模型（CHM）。再采用移动窗口进行局部极大值探测，实现候选树顶点探测。然后对初始树顶点进行连通性生长，通过探测连通区域的最高点，实现树顶点的优化提取，避免局部极大值误判为树顶点。接着采用基于标记的分水岭分割方法获取树木的初始分割结果。最后基于单木密度的分布特性对欠分割的树木进行优化，获取准确的单木分割结果。采用不同植被类型的点云数据进行实验分析，实验结果表明，所提方法在不同植被环境下均能获得良好的单木分割效果，平均探测精度均优于Meanshift单木分割方法和基于标记的分水岭单木分割方法。

建筑物轮廓线提取是三维城市重建的关键环节。传统Alpha-shapes轮廓线提取算法具有鲁棒性强且易于实现的优点，但所提取的轮廓线容易受噪声点的干扰，难以获得准确的轮廓边缘。针对该问题，提出了一种改进的Alpha-shapes轮廓线提取算法。首先，采用随机抽样一致性算法筛选由Alpha-shapes算法提取的初始轮廓点；然后，用道格拉斯普克算法确定关键轮廓点；最后，通过强制正交优化提取准确的轮廓线。用三组不同形状建筑物的点云进行实验，结果表明，本算法能获得更准确的建筑物边缘，有效克服了传统Alpha-shapes算法提取的轮廓边缘锯齿状现象，正确率、完整率、质量也均优于传统Alpha-shapes算法。

点云滤波是机载LiDAR点云后处理应用的必要环节。现有的大多数点云滤波方法往往在地形平坦的区域滤波效果比较好，而在地形起伏较大区域滤波效果较差。为进一步提升点云滤波方法的精度及对复杂环境的适应能力，提出一种基于多约束连通图分割的滤波方法。通过设定垂直性、高差、距离三个约束条件构建点云连通图，实现点云分割，并基于地面覆盖率和格网化高程实现地面种子点集获取与筛选。最后，基于点到邻近地面种子点集拟合平面的距离实现地面点集优化。采用国际摄影测量与遥感学会（ISPRS）网站发布的15组专门用于检验滤波效果的点云数据进行实验。实验结果表明，所提方法针对不同的地形环境均可以获得良好的滤波结果。在与其他四种滤波方法的对比中，所提方法能够取得最小的平均总误差（5.44%）。此外，所提方法的平均一类误差和平均二类误差都相对较小，表明所提方法在去除地物点的同时能够有效保护地形细节。

针对传统滤波方法对于背包点云数据在地形陡峭、植被覆盖广的复杂地区的滤波精度较低的问题，提出一种基于背包LiDAR点云多尺度渐进数字地面模型(DTM)构建方法。首先，利用最小二乘法由地面种子点拟合出DTM曲面，并构建出渐进式DTM；然后，通过多尺度形态学开运算进行地物点探测；最后，通过设定自适应滤波阈值函数实现地面点的提取。选取4组位于复杂地形区域的背包LiDAR点云数据进行实验分析，本文方法得到的平均总误差为7.88%；与3种传统的滤波算法(LAStools、MCC和CSF)进行滤波对比分析，本文方法在4个实验区域内的总误差均明显低于以上3种方法的滤波总误差。此外，本文方法不需要设置复杂的参数，能够根据地形的变化自适应地调整滤波阈值，具有较强的鲁棒性。

点云分类是机载LiDAR点云应用于城市建模、道路提取等的重要阶段。虽然点云分类的方法有很多,但依然存在如多维特征向量信息冗余、复杂场景下点云分类精度不高等问题。针对这些问题,提出一种基于多基元特征向量融合的点云分类方法。该方法分别基于点基元和对象基元提取特征向量,并结合色彩信息,利用随机森林对点云数据进行分类。实验结果表明,所提的多基元分类方法相较于单基元分类方法能够获得更高的分类精度。为了进一步分析随机森林用于点云分类的有效性,分别使用支持向量机(SVM)以及反向传播(BP)神经网络进行对比分析。实验结果表明,随机森林方法所获得的三组点云分类结果在召回率以及F1得分两个评价指标中均高于另外两种方法。

为了提高地形起伏较大区域点云的滤波效果,提出了一种基于动态阈值获取点云的滤波算法。该算法分为两个阶段,初次滤波以获取更为准确的地面点为前提,二次滤波优化以初次滤波获取的地面点为基础,从而获取不同区域的高差阈值,根据这些阈值再对原始点云进行滤波。实验结果表明,相较于其他经典算法,所提算法能够获得更小的Ⅰ类误差和总误差,在滤除地物的同时能够有效地保留地形特征。

机载LiDAR点云滤波是点云数据处理中的关键步骤,大量国内外专家学者对点云滤波算法进行了针对性的研究。近年来滤波算法发展迅速,不断提出各种具有新的理论背景的滤波算法。因此,急需对现有的各种滤波算法进行更为系统的总结。在前人研究的基础上,将点云滤波算法归纳为六类,详细阐述各类滤波算法的原理、实现方法以及所存在的问题。采用国际摄影测量与遥感学会提供的标准数据对各类代表性算法的滤波精度进行了横向比较,总结各类算法的优缺点。最后,对如何进一步提高点云滤波算法的精度以及稳健性进行了展望。该综述有利于点云数据处理研究人员对滤波算法有更为系统、清晰、准确的认识,有望为进一步拓展点云滤波算法以及提高点云后处理精度做出贡献。

反射强度信息是机载激光雷达(LiDAR)系统所获取数据的重要组成部分,利用反射强度信息提取道路点云的主要难点在于道路点云通常包含在地面点云中,而区分道路点云与非道路点云的反射强度阈值较难获取。针对该问题,提出了基于偏度平衡的道路点云提取算法,该算法可以自动、准确、无参地确定反射强度阈值,进而获取纯净的道路点云。分别采取位于我国山西省某地和德国某城市的两组LiDAR点云数据来检验该算法在不同地理环境下的有效性。实验结果表明所提算法简单有效,并且能够得到良好的道路点云提取结果。

数字高程模型的获取是智慧城市建立的前提，机载LiDAR技术为数字高程模型的获取提供了新的技术手段。准确的地面点滤波是获取精确数字高程模型的关键，因此机载LiDAR点云滤波一直都是研究的热点与难点。由于数学形态学滤波法应用于机载LiDAR点云滤波时具有简单高效的特性，所以该类型算法是点云滤波中的主流算法。为深入了解此类型算法，对国内外现有的基于数学形态学的点云滤波法进行系统总结，详细分析了各种方法的特点、可解决的问题及存在的问题，并结合现有基于数学形态学滤波法的主要缺陷展望了此类型算法的发展方向。