当今时代无人机行业快速兴起，无人机技术已用于各个行业，地理测绘行业也不例外，无人机倾斜摄影技术的出现和发展，为地理空间三维信息的获取及采集提供了全新的理念和技术手段，它可以快速、低成本、大范围获取高精度的影像数据。不管是在测绘领域还是在智慧城市发展的角度来看，这都是一场震撼人心的技术革命。其创新之处就是其数据的获取方式及处理流程。极大地推动了摄影测量行业的高速发展。目前无人机倾斜摄影技术已经得到了广泛的应用，包括:不动产登记，地籍管理，智慧城市，智慧旅游，应急救灾管理等。影像匹配点云是通过无人机倾斜摄影影像数据提取三维特征点。本文就是通过无人机倾斜摄影技术获取了黑龙江省乌伊岭国家自然保护区的倾斜影像资料，以影像匹配点云为基础，通过点云滤波的方式对影像匹配的点云进行分类分割筛选，将地面点与非地面点完全分开。然后利用分离出来的地面点建立不规则三角网模型。最后将此模型转换为标准网格，生成出最终成果的高精度DEM模型。本文针对如何提高影像匹配点云精度，以及如何提高点云滤波分类地面点精度展开了深入的研究。本文主要工作如下:(1)通过对乌伊岭自然保护区实地勘察，选取适合实验且具有实验意义的实验区。通过沟通协调获取无人机起飞降落的场地，并挑选合适的时间及天气进行倾斜数据采集。(2)基于无人机倾斜摄影技术获取研究区域内的高清航摄数据资料，使用POS辅助空中三角测量技术对航摄数据加以解算，通过引入各个相机的相机检校参数及在空中的曝光姿态，然后根据POS组合系统即可得出的每一张像片曝光时刻的外方位元素定位定向，从而得到相对初始值更高精度的外方位元素。并通过实验证明，只需要少量的控制点就可以完全的满足精度要求。(3)利用对比的方式来比较本文采用的滤波算法的可靠性。主要是基于传统的渐进三角网滤波的算法加以优化。传统的渐进三角网滤波算法虽然分类结果总体不错，但是有它存在的弊端，往往由于地形起伏过大，从而丢失结构线附近的地面点。通过在传统渐进三角网中融入区域生长分割算法的思想可利用地面曲率相似的关系，将丢失的地面点重新补齐，更好的表现了地形的真实情况。最后也通过实验也证实了，此方法的改进既继承了传统渐进三角网加密方法的优点，又同时弥补了传统算法在结构线附近地面点缺失的不足之处。