随着三维激光扫描硬件设备的不断更新发展,激光扫描仪以更高的测量精度和测量效率广泛应用于测量行业中。面对更加庞大的数据量、精度更高的工程应用,迫切需要具有快速度、高精度的方法来实现扫描数据的建模和计算机的自动分类提取。从地面激光扫描点云数据中,自动提取扫描对象特征、并对特征进行分类,是现今扫描数据处理的热门问题,也是推广扫描数据后续应用的关键性问题。本文利用现有的扫描数据处理的理论和研究成果,分析了常用处理算法的优缺点,并在其基础上,提出了基于球面投影构网和FCM聚类混合的点云分类方法,对选取的单站地面激光扫描数据进行处理和分析,并对其可行性进行分析。论文主要在以下几个方面进行了比较深入探讨和研究：1.柱面投影和CYLVIEW浏览器设计针对点云原始数据、分类数据的信息浏览,文中采用设计圆柱投影方法,将数据置于投影后的圆柱浏览器中,对数据中的噪点、地物信息进行直观浏览观测,为后续处理提供直观的参考。2. Fuzzy C-Mean(FCM)模糊聚类方法的点云分类Fuzzy C-Mean算法主要用于遥感影像分类解译,是影像分割分类主要方法之一。FCM是对分割单元的隶属进行判别,确定其所在点群。其基本思想是通过引入隶属度函数表示属于不同类比别的程度,对数据进行划分,估计聚类的中心,通过反复调整聚类中心,使数据集中的每个点距每个中心的距离之和达到最小或满足终止条件。3.基于球面投影的空间三角形构网方法通过数据坐标纠正,将由激光扫描获得的扫描坐标系下的原始点云数据转换到统一的地理坐标系下。把球面作为载体将空间散乱点云投影到平面上(类似大地测量的高斯投影),得到相应的二维坐标,在平面内通过Delaunay算法构造平面三角网,最后将平面三角格网映射到空间完成三维建模。4.软件开发文中借助IDL语言编写相关的算法,并将其融入到LasaStudio系统中,使其能对单站地面激光扫描数据进行构网和建筑物的自动提取。