随着三维空间信息获取技术的发展,无人机倾斜摄影与地面三维激光雷达技术已成为采集点云数据的主要途径,是近年来摄影测量与遥感领域的研究热点。但无人机倾斜摄影技术采集数据时易受地面植被、屋檐等障碍物遮挡的影响,会造成一定数据量的丢失,而地面三维激光雷达技术会受到车辆树木行人的遮挡以及测站架设的局限性等影响,也会存在数据获取不完整的现象。本文联合无人机倾斜摄影与地面三维激光雷达数据,开展空地技术结合的点云融合方法研究,实现了两种技术的优势互补,为单一设备采集目标物完整数据存在的局限性和数据丢失这一问题,提供了一种切实有效的解决途径。本文从点云最优配准模型和点云融合两个层次出发,构建了一种适用于多分辨率多视角的点云融合方法,首先根据点云数据重叠区域的信息,生成点云最优配准模型,再基于分维多尺度因子法进行同名点数据融合,消除了点云分层现象,从而得到一个完整的单层融合点云并修补了点云空洞。主要研究内容和成果如下:（1）对点云预处理方法进行研究,得到理想区域点云。地面激光点云处理部分中利用标靶法将多测站点云数据拼接为整体,解决了各个独立状态下点云坐标系不统一的问题;而无人机影像数据处理中利用多视影像密集匹配技术来获取三维影像点云,避免了传统方法中会引入较大误差的现象,从而保证了影像点云的质量。（2）构建了点云最优配准模型。利用曲率特征法、采样一致性法以及正态分布变换这三种适用于多源点云数据配准的算法来处理实验区域,并从匹配的同名点数、运行时间、整体收敛性以及配准精度这几个具有代表性的性能指标,综合分析比较了三种配准算法的差异性,结论表明基于曲率特征法的点云配准模型精度较其它方法最优。（3）构建了适用于多分辨率多视角的分维多尺度因子法点云融合算法。以选出的点云最优配准模型为基础,利用分维多尺度因子点云融合算法,统一了不同来源下两片点云的尺度因子,快速的将两片点云调整到相近的位置,缩小了两片点云融合时的旋转和平移误差,保证了其收敛性,使得融合后的点云分布更均匀并消除了点云分层现象,修补了点云空洞,提高了融合效率及精度,实验结果验证了该融合算法的实用性。