激光雷达凭借其角分辨率高、测距精度高等优点,在军事和民用领域有着广泛应用。与传统激光雷达不同,光子计数激光雷达以工作在盖革模式下的雪崩光电二极管（GmAPD）为核心光电检测器件,对远距离目标、弱回波信号的探测能力更强,是实现目标三维信息感知的重要手段。传统的点云数据处理方法在信噪比较低或目标反射率较低时,无法有效完成三维图像重建任务,为了弥补上述不足,本文深入研究了光子计数激光雷达的工作原理,以光子计数激光雷达理论模型为基础,开展了对点云数据处理方法的研究。首先,针对传统算法无法准确估计目标深度、重构的深度图像存在较大误差的问题,提出了一种光子计数激光雷达深度图像去噪算法。在不需要增加系统复杂度的条件下,根据信号光子和噪声光子在时域上的不同分布特点,从原始点云数据中提取了回波信号光子,通过求解与光子飞行时间相关的凸优化函数,降低了深度估计误差,提高了深度图像的重构精度。其次,为了克服传统算法在重构深度图像时引入先验参数导致算法鲁棒性下降的问题,提出了一种基于卷积神经网络的光子计数激光雷达深度图像重构算法。利用卷积神经网络在去噪和重构任务中的灵活性,通过对激光雷达泊松探测过程的仿真,创建了光子计数激光雷达点云数据集,训练了深度图像重构网络,实现了对不同场景、不同目标的深度图像重构,提高了光子计数激光雷达的实用性。最后,以远距离目标三维信息感知为应用背景,基于时间相关光子计数技术和脉冲激光测距原理,重新设计并搭建了一套远距离光子计数激光雷达三维信息感知系统原理样机,完成了硬件调试与软件编写,通过对点云数据的处理,实现了对562m和8.4km处建筑物的深度信息感知。