精细化、覆盖范围更广的三维模型是“数字中国”和“智慧社会”建设的关键基础信息,当前激光雷达与倾斜摄影测量点云是面向城市空间感知、三维精细建模的主要数据源。随着城市空间的立体环境日益复杂,智慧城市管理对于精细化空间感知、部件级管理和实时动态响应的要求越来越高,单一来源数据已经难以满足深层次应用需求,多来源点云的有效融合有望增强数据的场景表达能力,成为提高城市表达质量、实现现实世界原子化孪生的重要途径。然而,上述两类点云在空间分辨率、覆盖范围和噪声特点等方面存在显著差异,导致在地理空间基准、细节表达精细化程度存在严重的不一致性甚至矛盾,亟需有效的融合处理手段,获取空间对齐、语义一致的多点云数据,支撑新型智慧城市建设等国家战略需求。为此,本文聚焦于激光雷达和摄影测量点云的融合问题,针对不同类型的点云数据特点和显著差异性带来的挑战,探索面向大范围城市环境场景、适应复杂场景结构和地物的两类点云数据的一致性融合方案。提出了激光雷达点云和摄影测量点云的拉普拉斯融合方法,以准确的几何特征提取和梯度域拉普拉斯描述为核心,通过空间基准对齐、叠置区域清洗和邻接间隙修复三个递进的处理过程,对存在显著差异的两类点云实现一致性处理,融合数据具有更高的覆盖率,更高的准确度、更丰富的细节,可显著提高城市场景的表达质量,从而进一步支撑三维建模、城市规划、变化监测等智慧城市应用,并对更多模态的数据融合方案提供新方法新思路。具体研究内容如下:（1）提出顾及骨架线特征的多源点云渐进配准方法。针对激光雷达点云与摄影测量点云模态差异导致的局部几何特征不一致,难以提取局部同名特征点,导致自动配准困难的问题。首先提取建筑物等人工构筑物的骨架线特征以克服多源点云局部特征的差异性,降低数据冗余和噪声影响,然后基于优化的线段组匹配实现二维仿射变换从而高效、精准的恢复点云尺度差异和平面对齐参数,最后进行高度的偏移和整体优化,从而渐进渐精的实现两个不同类型点云的高精度配准。实验分析表明,本文自动尺度恢复的准确度达到了98.5%,在噪声干扰和显著差异影响下配准精度可达厘米级,且具有良好的泛化能力。（2）提出噪声感知和体素结构准确提取的叠置点云清洗方法。针对多源点云数据在重叠区域密度不同、噪声特点不同,导致配准后点云数据分层、裂痕、自相交、边缘锯齿现象严重的问题。通过自适应的空间体素划分,将复杂场景划分为可独立处理的简单空间单元,基于准确的空间映射和体素结构的准确提取,构建多维几何特征描述符,实现叠置区域的噪声识别和冗余清洗,实现完备、精准的点云融合。实验结果表明,经过叠置区域的点云清洗后,有效点云数目提高了23.77%,误差下降15.00%,证明了本文方法的有效性。（3）提出多源点云邻接间隙梯度域拉普拉斯修复方法。针对多源点云数据间邻接处的裂缝、错位等结构不一致,导致现有基于刚性形变的点云几何变换方式无法实现局部缺漏有效融合修复的问题。不同于基于三维位置坐标的值域点云表达,本文采用几何梯度信息表达点云结构,在梯度域实现不同数据源的邻接处的无缝过渡,并顾及到点云缺漏边缘的边界条件约束,构造微分方程求解融合点云空间位置的值域表达。实验证明,本文提出的方法可以有效修复各种类别的源间点云的宽间隙现象,对于复杂的不规则几何布局孔洞仍然能保持75%以上的准确修补,提高数据的完整性并保证了填补数据的丰富细节。