近年来,机载激光测距(Light Detect and Range, LiDAR)主动遥感技术以其高空间分辨率、高自动化数据采集效率而广泛应用于地形测绘、森林监测以及城市建模等多个领域。但相比于激光雷达硬件发展速度,机载激光雷达数据的后处理的研究明显滞后,发展高效的数据分类技术是目前研究的一个热点与难点。本文根据机载 LiDAR数据的获取原理以及特点,利用kd_tree对点云噪声进行剔除,运用形态学灰度重建对点云进行初始滤波并融合随机森林分类模型与 TIN分层加密算法进行滤波质量提升。主要工作如下:　　第一,采用kd_tree结构对LiDAR进行组织以进行点云局部邻域的快速搜索,进而实现对LiDAR点云的极大值、极小值噪声点的快速剔除。　　第二,基于形态学灰度重建原理对LiDAR点云进行滤波,实现对点云数据地面点与非地面点的初始分类,为后续滤波结果提升奠定基础。　　第三,以LiDAR形态学灰度重建结果为基础,融合随机森林分类模型与TIN分层加密算法进行LiDAR点云二次滤波,实现滤波质量提升的目的。　　最后,利用Delaunay三角构网技术和openGL技术,实现DEM重建及三维可视化。