机载LiDAR系统作为一种新的技术手段,在三维空间信息获取方面取得了开创性的突破。与传统的摄影测量与遥感技术相比,该技术受天气、光照等自然条件的影响小,可全天时进行三维数据获取。LiDAR数据处理是LiDAR技术中的关键,约占总工作时间的80%,其中对点云数据滤波获取DEM是数据处理工作的第一步。滤波质量直接影响着后续产品的质量及该技术在生产应用中的成败,是LiDAR技术研究的重点与难点。因此,通过高效快速地进行LiDAR点云数据滤波来获取DEM是当前一个非常重要的研究课题。本文在对相关的研究成果进行分析总结的基础之上,针对点云数据滤波方法进行了改进和实验,并对滤波方法存在的关键问题与细节进行阐述,具体研究内容如下：(1)介绍了机载激光雷达系统的发展历程,对LiDAR点云数据的组成、数据格式及数据特点进行了详细的阐述并对点云数据的组织方法进行了系统的说明,为后续点云数据滤波算法的研究提供了保障。(2)分析了国内外机载LiDAR点云数据滤波方法,介绍了多种经典算法的算法思想,并对其中几种类型滤波算法的改进进行了详尽的叙述,系统地归纳了算法存在的不足,为下一步研究工作提供了理论依据。(3)改进了基于高程跳变的TIN滤波算法。通过Mean Shift对点云进行分类,由分类结果进行分块处理,并根据每块数据特点设置不同的阈值；在原有的阈值基础上加入了空间角度作为阈值参数,以提高滤波结果的准确度。(4)设计了一种分层自适应移动曲面拟合滤波算法。该算法是对改进的基于高程跳变TIN算法思想的进一步深化。根据不同地物“高程跳变”的程度不同.以某类地物“高程跳变”特点,可渐进地对某一高程范围的地物进行层次性的滤除。算法首先利用本文给出的改进的均值限差法进行“粗”滤波,以滤除中等及高大地物,增加了地面点比例,提高下一步滤波效率。“粗”滤波后,以Mean Shift算法进行分类,并通过虚拟格网对点云进行组织。最后,设计了一种局部自适应阈值方法,通过移动曲面拟合法滤波进行剩余非地面点的滤除。研究表明：本文改进后的基于高程跳变的TIN滤波算法,在多种地形条件下,相比改进前的算法,能够滤除大部分原算法中不能滤除的地物点,且能很好地保持地形细节信息。通过对滤波结果的定量分析,改进算法的第Ⅰ类误差、第Ⅱ类误差和总误差均有较大的下降。本文改进的均值限差法中设置自适应阈值能够较好地滤除大部分的地物点,降低了激光脚点的数据量,提高了后续精滤波的运行效率。分层自适应移动曲面拟合法滤波算法,具有较强地适应性,可有效地解决原移动曲面拟合法滤波和改进的基于高程跳变的TIN滤波中存在的低位粗差、误差传递与累积、地形过度腐蚀等问题,滤波结果较好。