使用机载的LiDAR对地面探测是遥感领域的新方向,相比较于传统的遥感图像,其有着可以直接获得物体的三维图像,并且精度很高,受天气影响较小,自动化程度高等优势,具有广泛的应用前景。为了对机载LiDAR数据进行自动化处理,本文着重研究了机载LiDAR图像从获取、转化、去噪、地面去除、目标聚类、位姿估计等预处理过程。本课题旨在研究对机载LiDAR图像进行预处理环节中,涉及到的各个环节中的算法,并对其进行研究和改进,使其更加适应本场景。本论文重点研究了如下内容:（1）三维激光成像雷达系统及仿真环境。介绍了激光成像雷达的基础原理、种类,研究了激光成像雷达的储存形式并提供了相互转化的原理和实现,针对该场景,论述了搭建仿真场景所需的软件和搭建过程。（2）噪声抑制。分别在机载LiDAR距离像和点云像上进行了滤波算法的研究。最终提出了一种新的噪声抑制算法,并提供了其自适应的实现。最后与点云像和距离像其他算法分别在仿真环境和真实环境进行了比较。实验证明,该算法具有较好的性能和较短的时间消耗。（3）机载LiDAR点云图像的目标提取。将目标提取分为两个流程,地面的移除及地上物体的分割聚类,在地面移除环节,分别使用基于曲率的区域生长算法、渐进形态学滤波、RANSAC移除了地面,并分两次改进了 RANSAC移除地面的算法,使其可以适应地面有起伏并且含有噪声时的场景。相比较其他算法具有明显的优势。在地上物体分割聚类环节,使用欧式聚类完成了地上物体的分割聚类。（4）目标的位姿估计及预处理算法综合性能检测。针对本场景,改进了 PCA算法,使其在点云分布不均时有较好的性能,最后使用投影轮廓特征和支持向量机搭建了一个仿真分类的模型,使用最终的分类准确率来对预处理算法组合的综合性能加以量化判断。