机载激光雷达（Light Detection and Ranging,LiDAR）是一种主动遥感方法,使用脉冲形式的激光来测量地物的距离信息,具有全天时、全天候的观测能力,可生成有关地球形状及其表面特征的精确三维信息。LiDAR数据可用于生成多种地理空间产品,例如数字高程模型（Digital Elevation Model,DEM）,冠层模型,建筑物模型和等高线图等,广泛应用于数字城市、工程建筑测量、灾害与环境监测、林业调查、资源勘探和考古等领域,具有广阔的应用前景。随着民用无人机的技术升级和广泛应用,将LiDAR设备集成在无人机上进行数据采集成为更主流的数据采集方案,作业效率提升,成本大幅降低,促进了LiDAR产品的高效生产和应用。DEM产品的生产是LiDAR点云数据的重要应用方向之一,从LiDAR点云数据中分离地面点云和非地面点云并构建地形模型的过程即点云滤波。随着硬件设备的发展,点云数据点密度增加、体量增大,能够呈现更多地形与地物细节,为高精度地理空间数据产品的生产奠定了基础的同时,也对点云数据的分析处理方法带来新的挑战,呈现在点云滤波方面,具体包括:海量点云数据处理的效率问题,现有滤波方法在处理高密度、大体量的点云数据时,效率难以满足实际生产应用需求;滤波方法对特殊的地形、地物的处理问题,如在陡坡、地形凹陷、斜坡上的植被和复杂建筑物等区域,滤波易出现显著的错误;点云处理过程的自适应问题,多数滤波方法在处理大规模的点云时,对于不同地形环境的点云,需要反复调整滤波参数,根据滤波结果好坏反馈多次调整以达到具有较好可用性的滤波结果,处理过程费时且繁杂。针对上述问题,本研究从以下几个方面展开:（1）研究基于二维区域增长和体素多向扫描的插值点选取方法。第一种方法使用二维区域增长结合线特征约束的方式快速提取可靠的插值参考点;第二种方法在体素网格组织点云的情况下,分别使用纵向和横向扫描的方式,分离出不可靠的体素。并从剩余的体素中以一定规则提取可靠的地面点作为插值的初始参考点。在实现上述方法的基本算法基础上对比不同方法在生成的插值点质量高低,是否足以用于后续的插值分类面的生成。（2）研究使用薄板样条插值（Thin Plate Spline,TPS）方法实现不同地形插值面构建。使用TPS插值滤波方法并设定正则化项,通过对比实验从已有的地形起伏量化指标中选取合适的衡量指标,作为正则化TPS的地形约束条件,从而对测区地形条件采取灵活的插值分类面构建方法。研究侧重于地形起伏量化指标的性能对比,在不同地形和插值点分布条件下生成插值面,通过对比插值面质量,测试地形起伏量化指标的定量化描述地形的性能优劣。在完成滤波的基础上,对比本滤波方法和目前主流的成熟滤波方法在不同地形下点云的滤波分类精度（错误率）,以及方法对不同地形、不同密度点云的鲁棒性。（3）研究基于稀疏TIN和高程峰度指标的低可靠性区域自动检测和评估的规则和方法。分别使用上述两种方法对滤波结果进行检测,自动检测滤波结果中,滤波可靠性较低（出现滤波错误可能性较高）的区域并进行标记。验证两种方法的是否具有实用性,并对比两种方法在试验区域的实际检测效果和功能。在实际实验过程中使用多组点云数据完成方法对比,使用的点云数据位于不同地形的测区,具有不同的点云密度和点数。多组数据的对比实验结果表明:使用结合K-近邻和底帽变换的方法,能够在不显著增加计算量的基础上去除点云噪声点,包括孤立噪声和簇状的低噪声点;使用区域增长或体素扫描的方法,建立空间拓扑关系,能够从初始点云数据中,筛选出一定数量且较为准确的地面点集合,作为点云分类面构建的初始种子点;在对比多种正则化薄板样条插值方法后,使用空间离散度的正则化系数,能够更好的适应不同起伏程度的地形,在不同插值点参考点条件下完成插值分类面的构建。研究的过程和结论,为海量点云的高精度自动化处理提供有效的借鉴和科学参考。