机载LiDAR(Light Detection And Ranging)能够快速获取高精度、高密度的地形信息,是一种高效的地形探测技术。为了在符合精度的条件下提高数据处理效率,减少后期数据处理难度,对机载LiDAR点云数据进行抽稀是非常有必要的。本文提出一种基于多元地形特征的机载LiDAR点云抽稀算法。该算法是针对地面点云,所以在点云抽稀前,应先进行点云滤波。然后,提取地面点的多元地形特征信息,利用主成分分析法构建多元地形特征复杂度模型,以此作为点云取舍的判定指标,实现点云的高精度抽稀。主要研究工作如下:1.研究了刚度参数优化的布料模拟点云滤波。在现有的布料模拟点云滤波算法的基础上,针对调整布料柔软度的刚度参数进行精细化设置。在分区划块的基础上,按照地形类型,选择相匹配的IMRI(Improved Rigidness)值,使模拟的布料与地形特征更加吻合,提高了点云滤波精度。2.实现了机载LiDAR多元地形特征快速提取方法。通过局部地形的二次曲面拟合,建立实测LiDAR地形数据与拟合曲面的几何规则;采用LM(Levenberg-Marquardt)算法迭代参数寻优,获得最优化结果下的地形拟合参数;并以地形拟合模型为基础,实现了六类地形特征信息(局部点密度、高程标准差、坡度、高斯曲率、平均曲率、粗糙度)的快速提取。3.提出了基于多元地形特征的点云抽稀算法。选取高程标准差σH、坡度φ、高斯曲率CG和粗糙度Kr四类地形特征参数作为变量因子,基于主成分分析和多因子理论,构建了多元地形特征复杂度模型T(σH,φ,CG,Kr.),并以获得的r值作为点云抽稀判定指标,实现了点云的高精度抽稀。将本算法抽稀结果与基于坡度的点云抽稀和TerraScan软件中的抽稀结果进行了对比分析,实验结果表明本文算法具有更高的抽稀精度和更强的鲁棒性。