海洋测绘是一门研究海洋、江河、湖泊以及毗邻陆地区域各种几何、物理、人文等地理空间信息采集、处理、表示、管理和应用的学科,是测绘学的一个重要分支,是一切海洋军事、海洋科学研究及开发和利用活动的基础。其中水上水下一体化测绘作为海洋测绘的一个分支有着极其重大的意义。传统的海岛礁、河岸测绘通常采用地面RTK配合全站仪以及水下单波束测深仪进行的,该种方法受到地形地貌、环境条件等制约因素的影响通常测绘效率不高。如何高效地同时获取水上和水下地形地貌数据成为测绘学界的难题。基于此本文在实施海洋强国的时代背景下,将船载激光雷达扫描系统和多波束声呐测深系统相结合,组成水上水下一体化测绘系统具有极大的创新性和实用性。本文围绕船载激光雷达扫描系统和多波束声呐测深系统组成的水上水下一体化测绘系统进行数据采集和地物分类开展以下研究:(1)本文详细地介绍了船载激光雷达扫描系统和多波束测深系统的原理、组成,使用秒脉冲PPS解决了多传感器的高精度时间同步问题并将多传感器进行刚性连接解决了空间配准问题,提出了一套切实可行的水上水下一体化测绘的解决方案。(2)对船载激光雷达扫描数据和导航定位定向系统数据进行解析,联合解算生成三维点云数据,并利用检校场对船载激光雷达数据进行安置角偏差消除,经验证船载激光雷达扫描系统精度达到厘米级,满足1:1000精度的地图绘制。并对多波束测深系统进行粗差剔除、潮位改正、声速改正和换能器安装偏差补偿等水深数据改正处理以达到多波束测深系统的最优状态。(3)分析了水上水下一体化测绘系统噪声的来源,介绍了几种常用去噪算法,并对船载激光雷达扫描系统和多波束测深系统的数据分别进行半径滤波法自动去噪处理,取代了传统人机交互的去噪方式,大大提升了效率,能够节约70%以上的内业处理时间,为高效测绘提供了技术支持。(4)本文创新地将改进的Point Net网络与目前精度较高的大场景语义分割Rand LA-Net神经网络应用于水上水下一体化点云数据进行分割,以原始点云数据和三维特征作为输入分别达到了86.57%和87.81%的总体分类精度,验证了方法的准确性和普适性,可应用于大部分船载水上水下一体化测绘场景点云数据的语义分割。本文利用了如今高效的深度学习和人工神经网络算法,针对水上水下一体化点云数据和大部分激光雷达场景点云数据进行语义分割,实现了地物分类,为后续生成DEM和三维重建等工作提供了有效的方法。