机载LiDAR(Light Detection And Ranging,LiDAR)能够快速、大面积、高效率地获取高精度的地形表面信息,在测绘,建筑,电力等行业得到了广泛的应用。机载LiDAR在对地面采样时,需要首先根据扫描区的任务要求,设置不同的扫描参数指标,结合POS(Position and Orientation System,POS)数据生成三维激光点云,以满足测区任务的建模需求。在扫描参数选择上,特别是PRR(Pulse Repetition Rate,PRR)的限制,会出现多周期回波现象,导致测距模糊,而且对每次飞行的扫描条带宽度、点云密度和点云数量都会有不同程度的损失。高精度的三维建模中,点云密度直接影响了建模的质量,而条带宽度变小则直接导致了不必要的飞行次数。在地形测绘或者构建三维电力线模型时,受点云密度和扫描宽度的限制,引起建模精度不足和电力线杆塔扫描带周围场景狭窄问题。在此背景下,本文根据国内外的研究进展和解决方法,沿用雷达多周期回波概念,解决点云测距模糊问题。研究工作主要有以下几个方面:(1)机载LiDAR系统集成与点云生成原理。激光脉冲测距原理,集成机载LiDAR各组件部分以及之间的坐标系系统转换。对数据获取方法和机载LiDAR集成系统下的POS数据处理和精度评价做了分析。此研究为后续生成三维点云提供重要理论基础。(2)基于一种高效率滤波算法提取模糊点云。针对模糊点云分层问题,提出一种滤波算法即分扫描线高斯拟合滤波方法,以高斯函数中间值为分离模糊点云的阈值,该方法可根据不同的扫描地形可以自动分类提取模糊点云,最后依据点云法向量进行点云分区。为后续测距分区修正做准备。(3)模糊点云测距和时间修正。基于提取模糊点云与原始采样点云时间对应关系,依据模糊点云时间查找原始采样点云中出现的测距模糊记录,然后根据多周期回波现象造成的最大测距整数倍原理,对原始扫描数据的测距进行改正,同时修正采集时间,最后重新生成三维激光点云。实验结果分析表明,采用本文的研究方法,可以有效解决多周期回波引起的测距模糊点云问题,有效增加点云扫描宽度,提高点云密度。总体上,本文围绕机载LiDAR测距模糊问题,采用软件后处理的技术方法,增加了点云采样密度和扫描宽度。为提高高重频机载LiDAR采样效率和数据质量,提供理论和技术基础。