地下采煤引起工作面上方地表发生沉陷,造成生态环境、设施破坏、自然灾害等问题。传统的矿区沉陷监测手段效率低,且只能获取线状沉陷数据。机载LiDAR技术在获取开采沉陷面状信息方面具有显著优势,但在实际应用中却存在点云滤波和沉陷建模误差显著等问题。为此,本文以榆神矿区的两个综采工作面地表为实验区,利用机载LiDAR系统采集多期点云数据,通过改进点云滤波算法及深度学习方法来获取地面特征点云,构建高精度沉陷模型并提取水平移动信息。论文研究的主要内容及结果如下:（1）结合地形特征提出点云滤波的改进算法,提升了地面点云滤波的效果。选用常见点云滤波算法进行对比,结果显示,利用三角网渐进加密滤波算法能较好剔除植被等非地面点、保留地面点。在三角网渐进加密滤波算法基础上针对两大参数的优选进行改进,结果表明,采用改进算法误差减小,更适用于榆神矿区植被覆盖条件。（2）利用地形因子结合DNN模型提取特征点云,减小了复杂地貌对沉陷建模的误差影响。通过分析地形因子及构建DNN模型,提取受地形影响较小的特征区,内插获取完整沉陷盆地DEM。采用GaussAmp函数进行沉陷盆地曲面建模。结果显示,在非沉陷区利用局部多项式插值算法、沉陷区利用径向基函数插值算法进行沉陷盆地构建精度较高;采取基于LM算法的GaussAmp函数拟合盆地精度最高。（3）通过改进现有的特征匹配算法,探讨了基于沉陷模型提取水平移动信息的技术途径。在BSC（binary shape context）算子基础上结合地形因子进行特征匹配算法的改进。分析点云密度、参数对算法的影响,对采煤沉陷区地表水平移动进行提取,分析水平移动偏差与点云密度、地形特征的定量关系。结果表明,改进特征匹配算法提取的水平移动曲线,符合采煤沉陷水平移动基本规律,与水平移动偏差相关性较强的地形因子可用于衡量改进特征匹配算法对水平移动提取误差的大小。论文研究结果为机载激光扫描获取采煤沉陷区精准三维变形信息提供了技术支持。