随着激光雷达系统的不断发展,行业应用的不断拓展,机载激光雷达数据处理理论得到了广泛深入的研究。其中,点云分类作为目标识别、三维建模等研究的前提和首要任务,引起了学者们的广泛关注。从计算基元角度,目前的研究可以分为三类,即逐点分类、基于分割的分类和基于多实体的分类。每一类方法均存在诸多问题。首先,逐点处理方法,有助于提取低层次的、较为基础的特征,如边缘;但是,对于维度较高的分类特征提取和点云分类,则过程耗时、计算量大,且容易受到噪声影响。基于分割的分类方法虽然有效降低了计算量,但严重依赖于所引入的点云分割方法;而目前点云分割方法主要提取一种实体结构,并不能有效表达复杂场景点云数据。基于多实体的分类方法可以解决复杂场景表达问题,但是这类方法通常需要借助逐层处理策略和多种分割方法,过程异常繁杂,可控性差。因此,一种过程简洁的多实体多层次点云分类方法亟待研究。本文首先提出了两种点云处理基础算法,分别用于三维边缘检测和点云实体表达。进而根据这两种基础算法,发展了一种融合多实体的迭代图割点云滤波方法。最后,充分利用这些方法的优势,结合监督分类过程,设计了一种多实体多层次点云分类方法。该方法采用三种实体结构和三个分类层次。三种实体结构包括规则面片、粗糙面片和单个点。三个分类层次包括点云实体表达、地面实体提取(点云滤波)和非地面实体分类。非地面实体分类又包括两个层次,即监督分类和基于实体语义准则的分类优化。其中,点云实体表达,即三种实体结构提取,通过本文提出的步进式点云分割方法实现。该方法将位于具备规则几何结构地物上的点分割到规则面片,将位于不规则形态地物上的点分割到粗糙面片,将属性不能有效被邻域几何结构表达的点确定为单个点。从而,有效表达复杂点云场景。地面实体提取通过本文提出的融合多实体的迭代图割点云滤波方法实现。该方法首先在规则面片中提取初始地面实体;然后,为每一种分割实体提取特征点,进而替代原始点云数据,减小计算量;其中,规则面片特征点利用本文提出的点云三维边缘检测方法进行提取,用于表达规则面片的几何属性;最后,将特征点和初始地面实体输入到迭代图割过程中进行地面实体判别。其中,该点云三维边缘检测方法被命名为顾及邻域几何属性的点云三维边缘检测方法,在本文中作为一种点云基础处理算法,被首先提出。该方法不需要借助任何点云预处理步骤,也不需要图像辅助,直接、全自动地从点云中提取三维边缘。非地面实体分类采用实体表达与监督分类相结合的方式实现,该方法首先为实体结构计算几何特征,并在计算过程中,用实体结构替代点邻域。再利用后向剔除方法,结合随机森林重要性分析,进行特征选择。然后,利用选择的特征和随机森林分类模型,对非地面实体进行分类。最后,利用实体之间的空间几何关系,定义一系列语义准则,对监督分类结果进行优化。本文对每一种提出的方法,均根据实验结果,进行了详细分析与讨论,并与现有方法进行对比,验证了算法的优越性。在多实体多层次点云分类过程的综合实验部分,采用OpenTopography开放数据集提供的实验数据,根据各分类层次的实验结果,对每一个层次所用方法进行分析,论证其辅助机载激光雷达点云分类的有效性。最后,根据分类结果,进行精度评定与讨论,并与现有分类策略进行实验比较,证明了本文所构建的多实体多层次点云分类方法的优越性。