机载激光雷达数据滤波和建筑物激光脚点提取是LIDAR数据应用的一项关键数据预处理技术,对其进行系统而深入的研究具有比较明显的实用价值和应用背景,因此已成为当前摄影测量与遥感领域的前沿性研究课题。本文在对机载激光雷达数据获取原理和特点深入分析的基础上,进一步深入的研究了点云数据滤波理论与方法,引入支持向量机作为激光点分类的方法,系统开展了基于虚拟格网体元的多尺度数学形态学滤波方法和基于不平衡支持向量机的建筑物激光脚点提取算法,并通过实验验证了相关算法的有效性和可靠性。本文的主要研究工作体现在以下几个方面:1.系统梳理和阐述了机载激光雷达数据的定位原理及其系统参数的定义和相关性,为实际工程应用和后续数据处理提供理论依据。2.提出了基于虚拟格网体元的数据组织方式。通过对不同格网数据的特点采用不同的重采样方式,提高了重采样效率的同时,避免了在数据空白区域人为的生成虚假数据,并且为后续的滤波算法提供数据组织方式。3.在虚拟格网体元的数据组织基础上,改进了多尺度数学形态学滤波方法的自适应性。利用坡度值较小的地形坡度参数和固定的滤波参数阈值,通过误分类地面点搜索的质量控制方法,降低滤波结果中的第Ⅰ类误差,解决了多尺度数学形态学滤波方法的参数自适应性问题。4.提出了直接利用支持向量机以单个激光点作为分类对象的建筑激光脚点提取策略。这种方法的基本思路是不以激光点的分割结果为分类对象,避免分割结果的误差传递以及分割块的误分类代价大等问题,并且融合影像的光谱信息以及DSM和nDSM的高程特征作为支持向量机分类的特征向量。理论分析和实验表明,这种算法提取的建筑物激光脚点精度比较高,并且比单纯基于点云数据的支持向量机分类算法具有一定的优势,算法的设计能够满足融合不同数据源的分类要求。5.引入基于不平衡支持向量机的建筑物激光脚点提取算法。考虑到城区或建筑物密集地区的建筑物激光脚点数量显著大于植被点的数量,标准的支持向量机在面对这种不平衡数据集分类算法上存在一定问题,因此通过设置不同的惩罚因子,达到调节数据平衡性的问题。实验表明该算法正确可靠、精度高。相对于标准的支持向量机分类算法,本算法在平衡数据集和不平衡数据集中的分类精度都比较高,从而降低了支持向量机对数据集平衡性的要求,提高了算法的实用性。