随着智能信息化及科学技术的快速发展,人们对三维真实场景需求的不断提高。目前直接获取地物三维点云的技术手段,主要包括影像密集匹配技术(Dense Image Matching,DIM)和激光雷达扫描技术(Light Detection and Ranging,LiDAR)。DIM技术获取的点云密度大、边缘特征明显、成本较低。但受遮挡、辐射强度、地物纹理等多种因素影响,容易出现误匹配。除此之外,为获取真实的三维空间坐标信息,还需采集外业地面控制点完成绝对定向。LiDAR技术可快速获取大范围场景高精度、高密度的地物三维坐标信息,具有获取速度快、精度高、受天气干扰小、时效性强、能穿透植被遮挡等优点,但是获取成本昂贵、点云密度较低,大大限制了生产投入。针对DIM技术和LiDAR技术各自的特点,仅采用DIM技术或LiDAR技术,均无法很好地恢复测区的三维空间地物信息。若能将LiDAR数据作为辅助信息,应用于密集匹配数据生产过程中,不仅能够得到高精度、高质量的密集匹配点云,还可在无控制点的情况下完成绝对定向,节约成本。目前,DIM技术与LiDAR技术相结合的方法流程很多,但是这些方法均不够成熟:一、没有充分考虑LiDAR点云其高精度的点位信息可作为控制点,辅助航空影像生成密集匹配点云中的绝对定向问题;二,没有充分考虑DIM点云与LiDAR点云的获取原理,解决LiDAR点云与密集匹配点云融合的问题;三,没有充分从DIM误匹配点云的误差根源。因此,深入研究LiDAR点云与密集匹配点云的配准方法完成LiDAR辅助无野外控制点情况下密集匹配点云的绝对定向,并融合LiDAR点云精确的点位信息完成密集匹配点云优化,具有重要的理论及应用价值。本论文的主要研究工作与创新点如下:(1)基于DIM技术与LiDAR技术的获取原理,提出一种改进的布料模拟滤波算法进行点云滤波,为两类点云的配准、融合做准备;(2)针对无野外控制点情况下密集匹配点云绝对定向问题,提出了LiDAR“软控制”航空影像绝对定向方法,完成航空影像绝对定向;(3)针对密集匹配点云普遍存在的误匹配及视野盲区等问题,提出了LiDAR点云约束的密集匹配点云优化算法,剔除误匹配及优化遮挡误差;(4)为验证方法(2)LiDAR“软控制”无控制航空影像绝对定向及(3)LiDAR点云约束的密集匹配点云优化的有效性,对研究区域进行实验验证,并对实验结果进行精度定性及定量分析。实验结果表明:本文方法不仅解决了航空影像无控制点问题,还优化了密集匹配点云的提取质量。