机载LiDAR作为一种新兴的三维空间数据采集技术,具有快速有效、高精度、海量数据的特点,为获取高分辨率的空间信息提供了重要支撑。目前机载LiDAR点云数据已成为重要的三维空间数据源而应用于多个行业,尤其是在大范围数字地表模型数据采集方面表现出了明显的优势,可以精确地描述建筑物轮廓、植被、道路、桥梁等地物的复杂构造,而建立利用机载LiDAR点云数据快速准确地提取建筑物的边缘和构建DEM的方法是机载LiDAR点云数据处理和三维建模的基础性研究内容,具有重要的理论意义和应用价值。本文探索了一种基于Canny算法与GVF-Snake模型组合的利用LiDAR数据提取建筑物边缘的方法,研究了 LiDAR数据抽稀算法和DEM构建的方法,主要研究内容和成果如下:(1)本文分析了机载LiDAR点云数据采集的特点以及误差产生原因,研究了当前机载LiDAR点云数据处理的方法。本文基于CSF布料滤波算法进行地面点与地物点分离的实验,在此基础上,提出并探索了一种基于扫描线和渐进三角网相融合的滤波思想。(2)建筑物边缘提取是本文的研究重点,主要内容包括DSM距离影像和DSM深度影像的获取、影像数据的滤波和建筑物边缘提取。首先基于机载LiDAR点云数据的高程值和反射强度值应用空间数据插值方法获取DSM距离影像和DSM深度影像;基于自适应滤波方法对DSM距离影像和DSM深度影像进行滤波处理,有效地剔除了噪声点;在此基础上,研究了基于Canny算法和GVF-Snake模型组合的建筑物边缘提取方法,通过与Sobel算子、拉普拉斯算子等进行直线边缘检测方法对比实验,证明该方法能更精细的表达建筑物边缘。(3)本文通过对基于距离和高差数据抽稀算法和基于坡度的点云数据抽稀算法进行改进,建立了机载LiDAR点云数据抽稀的方法,该方法平衡了 DEM精度与点云抽稀率之间关系,并进行了点云数据抽稀和DEM的构建的实验,实验表明在保持一定DEM精度的条件下,进行适当的点云数据抽稀对地形影响在可接受范围内,能满足实际应用的需要,并可提高生成DEM的速度。