机载激光雷达(LiDAR)测量技术已经成为测取高精度空间数据的有效方法。机载LiDAR的主动式遥感测量,对天气条件要求较低,获取的高时间分辨率与空间分辨率的点云数据能为高精度数字高程模型(DEM)的制作提供可靠的数据基础。现阶段,基于LiDAR点云数据的DEM构建研究中,存在的主要难点在于如何精确的获取LiDAR点云数据,并通过预处理与滤波处理剔除非地面点云数据,同时保留关键地形特征信息。本文针对LiDAR点云数据构建DEM存在的主要问题来开展研究。选取烟台市海岸地区为研究区,通过规划飞行线路、检校线路与飞行质量检验,首次获取了烟台市海岸地区高精度的点云数据。通过原始点云数据质量控制与大地定向完成了点云数据的预处理。在此基础上,使用移动窗口滤波算法与人机交互方法实现了点云数据的精确分类,剔除了非地面点云数据并得到了准确的点云数据。通过内插获取到DEM数据,结合网络实时动态定位(RTK)技术实地测得的地面高程数据对基于LiDAR点云数据获取的DEM数据进行精度评价,得到了一些有益的结论。本文研究的主要内容和成果有:介绍了机载LiDAR系统及其测量原理,详细介绍了系统各部分及其功能,分析了LiDAR点云数据的结构与特点,分析了数据误差来源以及降低误差的方法。并阐明了摄影测量与In SAR的原理与特点,与LiDAR系统进行了对比分析,研究了LiDAR点云数据的优势与不足。首次获取得到烟台市海岸地区的高精度机载LiDAR点云数据。对原始点云数据进行大地定向,通过多个坐标系的转换使原始点云数据具有了精确的WGS-84坐标,并通过基于高程统计的方法对点云数据进行初步降噪,去除了较为明显噪声数据,完成对点云数据的预处理。在此基础上,使用基于移动窗口的点云滤波算法对点云数据进行了滤波处理,多次变换窗口阈值,去除掉了大部分的噪声数据。之后使用人机交互的方式对点云数据进行后处理,将地面点云与非地面点云数据进行精确分类,完成了点云数据的进一步降噪处理,基本消除了噪声点云数据。首次使用高精度LiDAR点云数据构建烟台市海岸地区DEM。在处理海量的LiDAR点云数据时,为了避免数据冗余量多大和提高插值精度,采用不规则三角网(TIN)模型来模拟地表形态。使用基于Delaunay三角剖分算法对全部点云数据进行拟合,获取研究区内点云数据的不规则三角网。在此基础上,通过线性内插获取DEM。采用线性内插方法是因点云数据的空间密度极高,极大的降低了线性插值的误差;并且对于含有数百万三角形的三角网有较好的运算速度。详细介绍了网络实时动态定位(RTK)技术,并使用此技术在研究区获取了151个精确的高程数据。使用实测数据基于逻辑分析法与高程误差分析法,判断等高线逻辑关系与坡度异常值,分析高程中误差、平均绝对误差与平均误差,对LiDAR点云数据生成的DEM数据进行精度评价。实测高程与DEM高程的平均误差与平均绝对误差分别为0.105m与0.231m,整个地区的中误差为0.285m。