机载LiDAR (Light Detection And Ranging,激光雷达)技术为获取高精度和高密度的地形数据提供了一种新的测量手段。LiDAR数据拥有的高精度和高密度使其在生成DEM (Digital Elevation Model,数字高程模型)数据方面也备受关注。然而,在大多数情况下,对一个具体应用来说,并不需要如此庞大的数据就能满足生产方面的要求。而且庞大的数据量给数据后处理软件、硬件以及工作效率方面都带来极大的挑战。因此如何对机载LiDAR数据构建的DEM进行有效的抽稀,如兼顾数据压缩率与DEM精度,得到一个易于处理和操作的DEM具有重要的工程实用意义。基于这个目的,本文主要研究以下内容：1.介绍了机载LiDAR系统的发展、系统的组成、扫描方式以及激光雷达系统的分类。在此基础上,总结了机载LiDAR数据的主要特性,特别是数据的海量性。正是由于数据的海量性,使得由其生成的DEM数据也具有海量这个特性。这也是本文的研究所在。2.介绍了DEM定义以及DEM的主要表示模型。其中的离散点模型,也是由机载LiDAR数据生成DEM最原始的表示模型。并介绍了从LiDAR数据中得到DEM的滤波方法。3.重点研究和总结了机载LiDAR数据构建DEM的抽稀算法,探讨了已有算法的优缺点。在此基础上提出了基于坡度的抽稀算法,并改进了基于TIN (Triangulated Irregular Network,不规则三角网)的抽稀算法。4.分析了DEM精度评价的方法,并对多种抽稀算法进行实验,最后对实验结果进行分析。实验表明,基于坡度的抽稀算法能够较好地保留地形特征信息；且改进的基于TIN的抽稀算法的精度也比原算法有所提高。本论文以数据的抽稀必须考虑到精度、代价、以及数据的最终应用目的为原则。对国内外的抽稀算法进行实验,通过实验分析了各种算法的优缺点以及适用哪种工程应用目的,这在实际工程应用中具有一定的实用价值。同时本文的实验结果表明,基于坡度的抽稀算法,以及改进的基于TIN的抽稀算法对地形特征信息的保留能力较强。