随着大数据,智慧城市,智能交通,无人驾驶等新领域的出现,空间信息获取变得越来越重要。摄影测量作为一种比较成熟的获取空间基础数据的手段已经得到了广泛的应用,尤其是数字摄影测量的出现,大大提高了生产的自动化程度和效率,目前航空摄影测量技术理论已进入自动空中三角测量阶段。随着GPS/IMU精度的不断提高,使空中三角测量进入GPS/IMU辅助空三阶段,减少了空三处理对控制点的需求,已成为目前大比例航空影像测图常用的技术手段。近年来,新型传感器层出不穷,研究多传感器集成的空三成为新的研究方向。激光扫描系统为继GPS/IMU出现后的又一次技术革命,其与光学传感器相比,能快速获取物体表面的三维空间信息,同时记录点云的强度信息,避免了影像匹配,空中三角测量等繁琐的处理过程。但其仍存在明显的缺陷,即无法获取物体表面丰富的纹理信息。激光扫描系统扫描得到的激光点云(LiDAR点云)具有高精度空间三维信息,利用这一特点,将LiDAR点云作为约束,辅助空中三角测量过程,为稀少控制下的空中三角测量提供了新的技术途径。本文以车载激光点云与无人机影像作为研究对象,通过对目前LiDAR点云辅助空中三角测量的研究现状进行分析,提出了一种车载LiDAR点云辅助无人机影像空中三角测量的非刚性方法,大大减少了控制点的数量,提高了自动化水平。该方法首先利用GPS/IMU作为辅助信息建立影像初始拓扑关系,提高像点自动量测的效率和质量,并采用光束法区域网平差解算影像在大地坐标系下的影像三维特征点。然后利用LiDAR点云与获得的影像三维特征点进行配准,最后将配准参数引入空中三角测量进行迭代计算,达到校正影像的外方位元素的目的。该方法将LiDAR点云辅助空中三角测量过程转换为两点云之间的配准问题。针对目前ICP点云刚性配准方法精度不高的缺陷,本文提出了点云之间的非刚性配准方法,并将配准参数引入光束法区域网平差得到了新的数学模型,利用循环迭代思想,解算影像外方位元素。与ICP算法相比,本文方法能解决影像非刚性畸变问题,平差模型更严密,空中三角测量结果精度更高。通过实验对本文方法进行验证,利用解求的外方位元素对像点进行前方交会获得三维点坐标,并将其与实测检查点坐标比较,进行精度评价,验证了本文方法的可靠性。