地理空间数据信息的现势性是GIS的灵魂,实时地进行变化检测是经济建设和国防建设中一个十分紧迫的问题。随着科技的进步,社会的发展,人们对变化检测的要求也在不断提高。利用不同时相获取的卫星(航空)遥感数据以及其辅助数据进行的变化检测,已广泛应用在土地调查、灾害评估、环境检测、基础地理数据库更新等应用领域。然而,基于遥感影像的变化检测中仍然面临很多问题：如地物内部的异质性、丰富的纹理、阴影与投影差,混合像元问题等。更重要的是,地理数据的变化经常表现为三维空间的变化,因此难以通过不同时相的二维遥感影像检测。机载激光雷达(Light detection and ranging,简称LiDAR)系统作为一种新型的传感器,具有全天候观测的优势,能在较短时间内获取海量、高精度三维点云,为变化检测提供了新的研究思路。激光束所具备的穿透能力可以在一定程度上克服由植被形成的遮档,减少局部区域的数据缺失,从而大大提高了地物提取的质量。与基于影像手段的变化检测方法相比,LiDAR数据在地物的复杂结构、拓扑关系的三维表征上具有无可比拟的优势。另一方面,LiDAR点云和影像相比缺乏相应的语义信息和光谱信息,点云密度高,数据量大且具有半随机离散分布的特点。因此,基于机载LiDAR数据,实现高效率、高鲁棒性、高精度的三维变化检测,尚存一些待解决的难点问题。本文针对LiDAR点云在的优势和潜在问题,开展基于机载LiDAR点云数据的三维变化检测的关键技术研究,主要研究内容包括以下几个方面：研究面向变化检测的机载LiDAR数据预处理技术。基于机载LiDAR点云数据的三维变化检测不是一个独立的处理技术,需要一系列的预处理工作。本文对这些预处理技术进行归纳和总结,重点研究了面向复杂环境的改进迭代三角网加密的LiDAR点云滤波算法和基于点、线相似不变性的LiDAR点云与遥感影像自动配准算法。通过对预处理技术的系统研究,为三维变化检测提供数据支撑。研究基于多层局部ICP匹配的地形三维变化检测。地形变化检测是三维变化检测中的重要内容,而实现地形三维变化检测的关键在于通过不同时相LiDAR点云的精确配准,两者密不可分。针对不同时相点云变化信息丰富,传统的基于最小二乘理论的全局匹配算法剔除噪声能力不足的问题。研究基于多层局部ICP匹配的地形三维变化检测算法,将点云数据划分为多个窗口,通过误差分析确定最优窗口参数,通过差异信息熵判断窗口是否包含变化信息,选取不变的窗口进行匹配,获取最优模型转换参数,并以此计算地表的三维位移。研究基于多时相LiDAR点云数据的建筑物三维变化检测技术。建筑物是城市规划和建设的关键要素,也是城市中变化最为剧烈的单元,实现建筑物的变化检测非常重要。本文充分发挥LiDAR数据在建筑物复杂结构、拓扑关系的三维表征上的优势。首先,通过分析不同时相点云的空间差异,快速圈定候选变化区域；然后以候选变化区域为约束,引入SVM算法实现多时相点云的自动分类；针对传统LiDAR点云分类算法中“特征少,精度低”的缺陷,加强点云特征优化提取策略研究,通过提取LiDAR点云高程纹理特征和局部几何特征以提高分类精度和普适性。最后,联合分类结果和空间分析结果进行建筑物三维空间变化属性分析,利用LiDAR高精度的空间特性实现建筑物微结构的变化检测。研究基于dSVF地形渲染算法辅助的人机交互三维变化检测。由于各个方面的技术限制,目前乃至不久的将来,实现全自动变化检测的难度很大。特别是涉及社会经济、民生等重大领域的任务,依然需要在自动检测的基础上,通过人工判读的方式对变化区域和变化类型进行精确判定。机载LiDAR获取的是高精度的三维地形数据,因此需要作业员分析地表的空间特征来判断发生变化的区域和变化属性。目前使用的地形渲染算法,面向低分辨率的DTM开发,针对LiDAR数据生产的高分辨率地形数据,存在如地形细节缺失,立体效果紊乱等缺点,严重影响了生产效率。为此,针对实际生产需求,面向人机交互机制的三维变化检测,设计一种合适的地形渲染算法,具有非常重要的应用价值。本文借鉴能量吸收和辐射原理,研究不受光源位置和地形起伏影响的dSVF渲染算法,同时研究dSVF特征和多源特征的融合策略,使得以dSVF算子为基准的地形渲染图携带更丰富的地形信息。最后,就利用基于dSVF渲染结果辅助人工目视判别以及基于dSVF算子的三维变化检测结果可视化进行探讨。