点云数据在建筑物提取、树高量测、高精度数字高程模型获取、地物单体化上有很大的应用前景。目前,点云数据的获取方法分为两类,一类是激光雷达扫描技术获得的扫描点云数据,其应用面窄、周期长、效率低,不适用于大面积的地形信息采集;另一类是倾斜摄影测量密集匹配技术获得的匹配点云数据,适用于较大区域的地形信息采集。无人机倾斜摄影测量技术是近些年来发展起来的,它具有成本低、操作简单、快速采集地表大区域高分辨率影像、满足测绘大比例尺需求的特点。目前,点云数据的分类算法很多,但是由于地表形态复杂多变,在实际的分类中效果并不好。而且现有的点云数据分类算法主要用于激光雷达扫描点云数据,并没有在密集匹配点云数据上进行实验。针对这些问题,本文对现有的点云分类算法进行相应的改进,并将其应用到密集匹配点云数据中。主要完成了以下的研究内容:1.详细介绍了无人机倾斜摄影测量系统组成和国内外主流的多视角航摄仪,并且介绍了倾斜影像的特点。在此基础上,归纳出倾斜影像不适用于传统摄影测量系统的原因。2.简要说明了倾斜影像获取点云数据的流程,并详细介绍了流程中关键技术,基于影像匹配的原理总结了匹配点云数据固有的特点。描述了点云数据分类原理,在此基础上,对国际上几种经典滤波分类算法进行了介绍和分析,总结出这几种算法的优缺点。3.在经典滤波的基础上,将图像分割算法和高程排序的不规则三角网加密方法结合起来进行匹配点云数据的划分。加载密集匹配点云数据后,对点云数据进行粗差的剔除并格网化生成深度影像,再通过图像阈值分割算法将点云数据粗分成地面点和非地面点,最后对粗分后的地面点进行基于高程排序的不规则三角网加密,对粗分后的非地面点进行大阈值的三角网加密滤波,最终精确地将地面点和非地面点进行分类。