近年来,机载激光雷达扫描技术飞速发展,使得人们能够以非接触、高密度和数字化的方式获取三维目标信息。这是一项重要的技术进步。其构造简单,采集到的数据往往是以点云的方式显示出来,便于储存和加工。在大规模扫描真实场景时,激光雷达点云的全面数据往往要从多个方向、多个视角进行,而在大规模的点云数据采集过程中,会产生较高的噪声,从而影响到后续的模型获取。虽然机载激光雷达系统的硬件不断改进,许多系统集成问题得到了较好的解决,但数据处理相对滞后,经过大量研究,国内外学者提出了许多点云数据滤波方法,但这些算法精度低,参数多,消耗时间长。为了弥补上述不足,在分析传统点云滤波方法的基础上,提出了三种点云滤波优化方法。本文的主要研究内容及得到的结论如下:（1）第一种滤波优化方法:改进移动曲面最小二乘拟合滤波优化方法,本方法自动快速对lidar数据进行滤波,采用移动窗口加权迭代最小二乘法来选择种子点,基于自适应阈值,逐步对非地面点和地面点进行滤波和分类。在几个不同场景的研究区域进行的实验表明,本方法在市区和茂密植被覆盖的区域滤波效果更佳。（2）第二种滤波优化方法:组合双边滤波与梯度形态学滤波优化方法,首先,用索引网格划分点云,通过双边滤波进行去噪,进行第一次滤波。然后,计算每个点的形态梯度,通过梯度点的选择,逐步去除目标,迭代开操作。最后,通过距离的幂反比插值,实现DEM的三维重建。实验结果表明,该方法在各种复杂场景下都具有很强的鲁棒性,可以减少非必要的运算时出现多种误差的概率。因而,此优化算法适用范围广。（3）第三种滤波优化方法:基于反距离权重插值的形态学优化方法,为了抑制地形特征突出引起的滤波误差,在过滤窗口逐渐缩小的情况下执行形态学打开操作,反距离权重插值根据不同的过滤窗口在不同的级别上进行,该过程以从上到下的方式反复进行,直到过滤窗口不再大于预设的最小过滤窗口为止。实验结果表明,所提出的方法不仅在平坦的城市地区而且在农村地区都可以取得令人满意的结果。与其他几种经典滤波方法相比,该方法具有更好的滤波效果。