无人机机载三维激光(UAV-LiDAR)系统集成了定位定向系统(POS)、激光扫描仪等多种传感器,可安全高效获取地面点云数据。但是,即使是经标定后的UAV-LiDAR系统,获取的点云仍存在各种误差,会引起航带间点云的相对误差,表现为不同航带的同名点云坐标有差异。如果要提升点云的相对精度,需分析误差主要来源并建立有效的平差数学模型。为了提升UAV-LiDAR航带间点云相对精度,论文研究和探讨了点云配准、UAV-LiDAR点云随机误差来源、POS轨迹的位置与姿态误差拟合模型建立及求解等问题。论文的主要研究工作和结论如下:(1)为保证平差的可行性与效果,需要选择一种效率较高、精度较好的精配准方法,因此对比了3D-NDT配准方法和点—面ICP配准方法;为减少点云数量、提升配准效率,设计了点云预处理流程;使用了三组点云数据进行实验,采用同名对应关系距离均方根误差(Root Mean Squared Errors,RMSE)评定配准的整体精度,结果显示,点—面ICP配准的效率及精度比3D-NDT更高,表明点—面ICP是较适合UAV-LiDAR点云的配准方法。(2)为了对点云的主要随机误差进行针对性地削减,从点云采集过程及几何定位模型分析了UAV-LiDAR点云的随机误差来源,并通过理论推导了各随机误差对点云的影响程度,结果表明POS轨迹的位置与姿态误差是点云随机误差的最主要来源。(3)为了削减POS轨迹的位置与姿态误差,建立了一种平差模型。首先构造了POS轨迹位置与姿态的观测方程,建立了以时间为自变量的三次样条函数;然后使用观测方程和三次样条函数构建平差模型;最后以同名对应距离平方和最小为目标计算出模型的未知参数并评定精度。使用三组数据的同名对应关系进行实验,平差的整体精度由同名对应关系距离RMSE评定,结果表明,平差后RMSE提升至9.24cm、9.84cm和13.14cm,定量地证明了该平差方法能够提升航带间点云相对精度。