无人机摄影测量作为传统摄影测量手段的有力补充,近年来在全国土地调查、农村土地确权、智慧城市建设及应急救援中发挥着不可或缺的作用。无人机影像匹配点云是无人机影像经过密集匹配得到的三维特征点集,但受影像质量、镜头畸变、匹配算法的局限性及处理过程产生的各种误差的影响,影像匹配点云地物边界信息模糊、粗差点多、冗余大,这在很大程度上制约了地面表面模型(Digital Surface Model,DSM)和数字正射影像(Digital Orthophtot Map,DOM)等后续摄影测量产品质量及其应用。本文在分析无人机影像匹配点云特点的基础上,对无人机影像匹配点云的数据组织、抽稀简化、噪声去除、数据滤波及真正射影像生成等方面展开研究。论文的主要工作和创新如下:1.从大数据量匹配点云的数据组织、抽稀简化、去噪滤波等方面总结梳理了当前影像匹配点云的处理应用现状,并分析无人机影像匹配点云的特点。2.提出了基于虚拟格网和八叉树的无人机影像匹配点云的数据组织模型,并结合内外存动态调度策略实现点云数据的搜索与调度。实验表明该方法可在计算机内存资源有限的条件下实现十亿级点云的组织搜索和动态调度,为无人机匹配点云的高效查询与检索奠定了基础。3.采用基于统计和窗口高差的粗差剔除方法,减少无人机影像匹配点云中的粗差点;并通过抗差估计移动曲面拟合滤波方案对无人机影像匹配的点云进行滤波处理,改进了原有算法的不足,实现了匹配点云中地物的有效剔除。4.针对大数据量影像密集匹配点云的数据冗余问题,基于Hilbert分形曲线进行点云数据抽稀简化,并与线性扫描线间隔抽稀方法对比分析,实验表明该算法精简效果较好,均衡性和一致性较高。5.针对无人机影像匹配的建筑物点云边界模糊、粘连,生成DOM质量不佳这一问题,基于数字线划图(Digital Line Graphic,DLG)对建筑点云进行优化,并利用优化后的点云生成真正射影像。