机载LiDAR（Light Detection and Ranging,LiDAR）获取的地面点云数据是数字高程模型（Digital Elevation Model,DEM）生产和更新的重要数据源。密度作为点云数据质量的重要评价指标,直接决定了点云数据的应用能力和DEM的产品质量,又与数据采集的时间成本和经济成本密切相关。开展机载Li DAR地面点云密度质量评价与改善方法研究,能够为机载Li DAR数据的采集、验收提供有益的参考和指导,同时提高地面点云数据的应用能力,具有重要的研究意义和应用价值。本文对机载Li DAR地面点云密度指标、密度指标与DEM产品质量关系、冗余数据抽稀和稀疏数据加密方法等问题进行了研究,主要内容包括:1)梳理、总结了现有的密度表征方式和计算方法,对比了不同密度指标的适用性;研究了平地、丘陵、山地等三种不同地形条件下,地面点云密度与DEM产品质量之间的关系,依据实验探究了在不同地形条件下,不同比例尺DEM的最低点云密度要求。2)提出了一种顾及地形特征的冗余地面点抽稀方法。利用虚拟规则格网对点云数据进行划分,采用地形起伏度和地表粗糙度对局部地形进行表达,并基于离散点高程和曲率特征提取出局部地形特征点,最后按照顾及地形条件的差异化策略实现冗余数据抽稀。实验结果表明,该抽稀方法能够在降低数据冗余的同时,保证DEM产品的质量。抽稀后的点云既保留了重要地形特征点,点位分布也较为合理,不会产生局部区域抽稀过度造成的数据空洞。3)提出了一种融合已有DEM的稀疏地面点加密方法。基于径向基神经网络建立稀疏Li DAR点和已有DEM点之间的高差改正模型,利用训练好的高差改正模型预测待加密点的高程改正值,最后将高程改正后的待加密点与原有Li DAR地面点进行拼接融合,得到加密点云。实验结果表明,该加密方法既能够保留原始Li DAR地面点的高精度,又能保留点云稀疏区域的总体地形特征,加密后得到的DEM产品质量得到明显改善。