机载LiDAR(Light Detection and Ranging)系统为三维空间数据采集提供了一种全新的技术手段,它具有快速、准确获取三维信息的特点,在地形测绘、环境监测、森林防护和城市三维建模等应用中扮演着日益重要的角色。其硬件部分已得到较好完善,而点云数据后处理的发展相对滞后,滤波和分类是数据后处理过程中最重要的部分。由于地形环境和地物的复杂影响,使得现有算法存在自动化程度低,效率差,参数繁多等不足。本文以机载LiDAR数据后处理为主题,重点研究了机载LiDAR点云数据滤波和分类等方面的内容,在理论和算法上取得一定进展。为了有效提高运算效率和克服数据损失问题,选用虚拟格网组织数据,减少邻域搜索时间且保持原有数据的精度。详细分析了几种典型的LiDAR点云数据滤波和分类算法,并总结需要解决的问题。通过对典型LiDAR点云数据滤波方法的优缺点分析和总结,针对三角网迭代加密算法运算量大及曲面拟合算法阈值自适应性差等问题,通过改进三角网加密过程中点定位和局部优化的判断方式,可提高运算效率,根据点与曲面间的关系动态调整阈值参数,可增强其适应性。首先对原始数据进行预处理,然后利用改进的方法对标准测试数据进行实验,最后对运算效率和滤波误差进行定性、定量分析,证明了该方法的有效性和适用性。在滤波的基础上,根据LiDAR数据中回波信息的特点,针对分类算法存在的不足,分析了利用回波次数和回波强度信息对地面点和地物点细分类的可能性,融合了一种基于高程纹理、回波次数和回波强度的点云数据分类方法。通过对滤波数据进行实验,并对分类结果进行定性分析,证明了该方法在分类过程中能取得一定的效果。