激光雷达(Light Detection&Ranging,Li DAR)是激光技术与雷达技术相结合的产物,能够主动、快速的获取测量区域的精准三维结构信息,形成点云这种新型的数据结构,被广泛地应用于DEM构建、特征地物提取、精准三维建模等领域,涉及一系列点云处理步骤。在这些步骤之中,最先进行的就是点云滤波环节。本文主要研究点云滤波这一环节,对经典的不规则三角网滤波算法进行细致的研究,分析其局限性,提出了一种基于区域生长并结合表面拟合的多尺度滤波方法,对原有算法进行改进:(1)初始点云中存在粗差点,其中低位粗差点影响初始地面种子点的选取,影响地面的拟合,因此采取半径滤波器进行预处理,剔除粗差点。(2)采用点云金字塔的方式组织点云,以不同的网格尺寸控制点云稀疏程度,在迭代的过程中层层递进,逐层加密,优化TIN的构建过程。(3)原始算法中初始格网尺寸较大,获取的地面种子点较为稀疏,导致构建的TIN不能完全覆盖点云区域,在后续判定过程中造成边界的缺失,本文采取扩展虚拟格网并内插虚拟边界种子点的方式,对TIN进行边界补充。(4)不规则三角网滤波算法在迭代过程中存在过度侵蚀地面的状况,本文提出了“向下”生长和“向上”生长两段策略,在不规则三角网滤波之后进行二次滤波,逐渐恢复受侵蚀的陡崖、山包等地形,过程中自适应计算阈值,循环迭代逐渐逼近真实地面。经过以上改进后,通过对ISPRS提供的15个基准数据集进行测试,第Ⅰ、Ⅱ类误差以及总误差分别为2.40%、3.67%、2.84%,Kappa系数为93.74%,结果表明,该算法具有更强的性能,可以获得理想的地面模型。