船载LiDAR系统可随船舶移动快速、高精度直接探测河道以及两岸植被、立面和桥梁等地物表面的空间三维信息,其数据具有高冗余、海量性、目标多样性、点密度分布不均、缺失严重和非结构化的特点,对船载LiDAR点云数据进行处理和后期应用具有重要研究意义。本文围绕船载LiDAR点云数据目标提取与分类,重点研究河流水涯线提取、典型地物的分类提取与优化等方面的内容,主要工作及创新点如下:1.在对船载LiDAR技术的发展及在内河场景三维点云数据快速采集模式介绍的基础上,对现有河流水涯线提取方法和点云分类方法的研究现状和关键技术问题进行对比分析和归纳总结,明确了后续船载LiADR点云数据的目标提取和分类技术研究思路。2.详细介绍船载LiDAR系统的传感器组成与工作原理,通过与车/机载LiDAR系统获取的点云数据进行对比,重点分析了船载LiDAR点云数据的自身特性,给出了船载LiDAR点云数据的三种数据组织方式和两种去噪处理方法。3.提出一种基于船载LiDAR点云数据河流水涯线精细化提取方法。该方法首先进行点云粗格网划分,结合河流水涯线格网的密度、高程、边缘性和连续性多重约束条件,利用连通区域标记和边缘检测组合算法确定河流水涯线粗边缘,然后对粗提取结果进行细格网划分。在此基础上提出距离约束下的单行格网局部高程最低点提取算法,实现河流水涯线精细化提取。试验结果表明该方法能够提取出精细可靠的河流水涯线。4.针对利用高阶条件随机场模型进行点云分类时,海量节点和无向边导致点云分类效率低的问题,提出一种引入多尺度体素的高阶条件随机场船载LiDAR点云数据分类方法。核心在于以多尺度体素代替海量离散点云,作为无向图图模型节点,减少节点和无向边的数量;使用超体分割结果作为高阶团,并设计一种非监督分布性空间上下文作为高阶团特征向量。结合构建的图模型和各阶特征向量,采用高阶条件随机场模型,实现点云数据的自动分类。试验结果表明,本文方法能够有效地对船载LiDAR点云数据进行分类,点云分类效率相比传统方法提高了7到16倍。5.提出一种基于立面地物几何语义特征的点云分类优化方法,利用立面地物自身几何语义特征,建立立面点分类规则,并针对建筑物立面点和错分立面点,分别设计一种多种子点区域生长算法和非监督分类方法,有效解决了分类结果中的两类常见错分问题,进一步提高了点云数据的分类精度。