倾斜摄影测量技术和三维激光扫描技术是实景三维重建的两类主流技术。基于倾斜摄影的三维重建作业灵活性高、成本低,获取的密集匹配点云密度较高且具有颜色和纹理信息,但匹配精度很大程度上取决于影像辐射质量和场景纹理的丰富程度;三维激光扫描技术是一种可以精确、快速获取目标表面几何信息的主动探测技术,该技术可穿透部分层叠遮挡获取目标表面点云,但激光扫描系统难以探测地物边缘的线性特征,扫描点云密度较低。由于两种技术各自存在优劣,单独采用一类技术获取的点云模型在不同区域存在缺漏和变形,无法完整地表达目标的三维信息,难以满足实景三维重建全覆盖、高精度的需求。因此,将两类技术结合可发挥其优势互补特性,恢复更加完整的高精度场景点云。当前,联合激光点云的影像密集匹配算法和空地异源点云融合方法仍存在一些问题:其一,基于匹配代价体的双目立体匹配算法与激光点云的融合方式不适用于多视影像;其二,融合算法需考虑地面激光点云在多视影像视角方向的可视性,投影点可能存在遮挡情况;其三,目前多数双目深度估计或深度补全算法将激光点云作为上下文信息通过扩散式传播约束投影点之外的像素的方式难以用于多视Patch Match Stereo算法;其四,激光点云与密集匹配点云配准后出现数据冗余和质量退化的问题仍待解决。因此,本文以联合地面激光点云的无人机倾斜影像密集匹配和空地异源点云融合为研究目标,主要工作如下:（1）提出一种联合地面激光雷达点云的多视影像密集匹配算法。针对多视Patch Match Stereo算法在大范围弱纹理区域无合适初值的条件下匹配结果难以收敛的问题,本文将附带场景结构先验信息的激光点云和特征点云引入基于概率图的多视密集匹配算法（ACMP）,为该算法提供较为精确的平面假设初值。针对地面激光点云向无人机倾斜影像投影存在噪声和遮挡点的问题,本文通过激光投影深度图金字塔策略,逐层过滤掉被遮挡的投影点,提高了平面假设初值的准确性,减少了错误的深度估计。同时根据过滤后的激光投影点和上一次迭代阶段中精确的匹配点生成分段平面先验约束,驱动大范围弱纹理区域的深度和法向量估计收敛到最优平面假设。针对深度图过滤与融合算法对不同场景普适性差、参数难以调整的问题,本文采用基于动态几何一致性的深度图融合算法生成密集点云。标准MVS数据集的实验结果证明:本文算法相比目前最优的开源MVS算法——ACMMP算法获取的深度估计图和重建点云更加精确和完整;本文算法重建点云的F1分数相比ACMMP算法提升了3.93%,重建精度提升了2.04%,完整度提升了4.93%;深度估计的均方根误差从1.716降至0.632,准确性提升了3.56%。多平台摄影测量数据集的实验结果证明:本文算法将倾斜影像多视密集匹配与激光扫描技术联合进行城市实景三维重建具有可行性和普适性。（2）提出一种地面激光扫描点云和无人机倾斜影像密集匹配点云的融合方法。针对地面激光点云和无人机倾斜影像密集匹配点云配准后存在数据冗余和质量退化的问题,提出一种基于图割算法和引导点云滤波算法的空地异源点云融合方法。该方法利用一种结合几何和颜色信息的图割算法分割密集点云,然后利用去冗余的密集点云填补激光点云的孔洞和遮挡区域,接着采用以表面曲率加权的引导点云滤波算法消除混合边界处的缝隙并纠正混合点云中的平面错层,最终得到融合点云。实验结果证明:本文所提算法对比现有方法有明显的性能提升,融合后的精度和完整性分别提升了5.42%和2.94%,能够较好地支撑激光点云与密集匹配点云的高质量融合。