随着计算机科学、电子技术以及回声测深技术等现代科学技术发展,多波束测深系统(MBES)凭借全覆盖、高分辨率、高精度等优势已经成为海洋地形地貌探测的主流先进设备。但是随着海洋测绘技术的发展,外业获取的点云数据量越来越大,同时数据中存在大量噪声,给点云数据显示与后处理工作带来巨大挑战。针对上述问题,改进传统趋势面滤波算法,提出一种基于K-D树的自适应趋势面滤波法;对基于不确定度的多波束测深数据滤波算法(CUBE)进行并行化处理,有效提高算法执行效率;并提出一种基于八叉树的LOD层次模型构建方法,实现滤波处理成果的可视化显示。主要研究内容与研究成果如下:(1)多波束测深异常值剔除算法。系统阐述统计滤波、趋势面滤波法、基于抗差M估计滤波算法以及CUBE滤波算法的基本原理、数学模型以及算法实现步骤,对传统的趋势面滤波算法进行深入分析,提出一种自适应趋势面滤波方法。设计实验采用上述算法处理实测多波束测深地形数据,并对执行效率、噪声检测及剔除效果进行对比和分析。实验结果表明PCL统计滤波器的执行效率最高,但是在边缘区域存在真实信息的损失;传统趋势面滤波效率仅次于PCL滤波器,且无法有效识别近地噪声和保留点云的边缘区域;自适应趋势面滤波在百万级别数据量情况下耗时约为趋势面滤波的二倍,算法检测噪声及真实地形信息保留能力优于传统趋势面滤波;抗差M滤波算法和CUBE算法的噪声识别能力和真实地形保留能力相当,但是抗差M滤波算法执行时间约为CUBE算法的二倍。(2)并行CUBE滤波算法。针对CUBE执行效率问题,提出基于K-D(K-Dimensional Tree)树和GPU加速的并行CUBE滤波算法。采用K-D树对多波束点云数据进行索引,并使用GPU的流式多处理器(Streaming Multiprocessor,SM)并行处理CUBE滤波计算,有效提高算法执行效率。为了对算法的效果进行评估,本文首先设计实验比较K-D树和八叉树两种索引方法的建网和邻域搜索效率,然后将本文算法与传统串行CUBE算法以及CARIS HIPS软件CUBE实现进行对比。实验结果表明:K-D树索引更加适合处理海量点云的邻域搜索问题;在处理千万级别数据量时,本文并行算法的数据处理效率相比串行算法提高了约13.8倍;与CARIS HIPS商业软件相比,本文算法在保证地形真实性和去噪可靠性前提下,处理效率相当。为MBES数据高效去噪处理工作提供有意义的参考,并为八叉树构建LOD层次模型的相关研究奠定基础。(3)点云可视化。在上述研究的基础上,提出基于八叉树(Octree)空间索引结构进行分层次采样的方法构建LOD层次细节,通过体素采样对不同层级节点内的点云数据进行精度采样,生成不同分辨率的点云图层。设计了点云数据可视化系统,具备滤波处理成果的输入输出、交互式浏览以及数据选取等功能。