近些年来激光雷达理论和技术的发展迅速,点云数据获取的方式愈加丰富,在测绘、林业、规划、电力等行业得到广泛应用。机载激光雷达（Airborne Light Detection and Ranging,ALiDAR）凭借其测量范围广、效率高、对森林冠层穿透能力强等优点,普遍应用于林业资源勘查。机载激光雷达的数据处理是ALiDAR工作流程的重要内容,是点云滤波获得数字高程模型（Digital Elevation Model,DEM）并进行后续数据分析的基础。利用ALiDAR技术进行坡度林区的林业资源勘查时,如何使数据处理算法更加完善以及在保证精度的同时能较好的反映地形特征是两大难点。本研究以山坡林区点云滤波算法和单木分割算法为题展开研究。首先对现有滤波算法进行比较研究,其次提出基于高程归一化的滤波方法的优化组合,最后根据滤波结果对单木分割精度的影响进行了实验分析,验证了本文建议方法的有效性。本文主要工作内容和成果如下:（1）对现有滤波算法比较研究针对现有滤波算法对地形的适应性展开研究,综合分析各算法优劣,针对算法不足之处进行优化。本文首先对现有滤波精度评定方法做了总结,选择Kappa系数值作为评判各滤波算法的精确性。同时选择12块地形较为复杂的研究区域,并按不同地物、地形特征分为三组:较大坡度的植被区域、相对平坦且地物密集的城区和有一定坡度的地形不连续区域。实验证明5种滤波算法的Kappa系数平均值达65%以上,其中多级移动曲面滤波算法为最高85.51%,布料模拟滤波算法为78.13%位居第二;以上两种算法在坡度较大、地形不连续的部分区域效果不佳,无法同时兼顾滤波精度和保留地形特征。（2）提出基于高程归一化的滤波方法的优化组合通过对滤波算法的研究,针对目前出现的难点进行研究。为此结合多级移动曲面滤波（Multi-level Moving Surface Filtering,MMSF）和布料模拟滤波（Cloth Simulation Filtering,CSF）算法的优势,提出了基于高程归一化的滤波方法。该方法并不是直接使用两种算法滤波,而是先对点云数据基于坡度等级设置索引窗口;再通过MMSF滤波初步获取近似的DEM后基于地面点归一化消除地形影响;最后使用CSF滤波获得较为准确的分类结果。该方法针对坡度较大的区域滤波效果十分显著,利用基于归一化滤波算法对上述三组实验区域进行滤波实验,比单一使用MMSF和CSF算法所得Ⅰ误差、Ⅱ误差和总误差分别降低了3.26%、7.60%、5.95%和2.32%、17.29%、7.75%。尤其是坡度大于20°的林区、15°～20°不连续地区滤波效果显著提升,通过对比验证提出方法的滤波精度最佳,同时还保留地形特征,填补了滤波算法针对复杂地形的研究空缺。（3）研究不同滤波算法的分类结果对单木分割及信息提取精度的影响重点研究了坡度较大的林区不同滤波方法的分类结果对单木分割精度的影响。阐述基于点云的单木分割算法和基于冠层高度模型（Canopy Height Model,CHM）的单木分割算法,验证滤波结果与单木分割精度的关系,同样参数情况下分别将MMSF、CSF和归一化滤波算法的分类结果直接用于单木分割实验。实验证明基于高程归一化的滤波算法的分类结果在单木分割实验中获得了较高的精度:Rprec是81.00%、F＿Score为0.85,结果表明滤波效果越好的滤波算法以其结果分割的单木精度越高。并对最优分割结果进行单木树高的提取,由于单木分割结果未能与实测树木的位置完全吻合,本文提出以提取样地林分平均高来代替单株树高的提取,经拟合样地实测树木林分平均高与估测树木林分平均高相关系数达到0.7543、0.8702,且估测样地平均高26.88m、25.36m更加接近实测单木平均树高值27.38m、25.42m以此说明该方法提取树高精度高,单木分割结果具有可靠性。