机载LiDAR作为一种被逐步广泛使用的快速获取海量空间数据信息新型测量系统,已广泛应用于地物目标提取和表面三重建。对机载LiDAR数据进行解译与建模的首要任务就是对获取的LiDAR点云数据进行分类。地面点可为地形制图、工程测量、环境规划等提供基础数据；建筑物及各类植被等非地面点可用于3D数字城市建设、城市规划或GIS数据库中建筑物三维模型的重建以及城市植被分析等方面。因此,对机载LiDAR获取的海量LiDAR点云数据进行快速而精确的解译倍受国内外研究人员的关注。由于LiDAR数据分布离散、不规则而且不均匀,同时缺少光谱特征信息,使得单纯依靠LiDAR点云数据进行地物类别的解译存在很多问题。然而随着硬件技术的发展,绝大多数机载激光扫描系统都包含高分辨率的数码相机,在获取激光扫描数据的同时同步获取高分辨率航空影像,因此可以提供丰富的光谱、纹理信息,有效弥补了LiDAR数据的不足。如果机载LiDAR点云数据与影像数据能联合利用,则可充分发挥各自的特性,有利于对机载LiDAR点云数据做更快,更有效的后处理。因此为了更有效的利用影像来辅助机载LiDAR点云数据分类,本文针对其中相关理论和技术做了深入的探讨与研究,主要研究工作如下：1)研究了快速查询三维离散LiDAR点云数据的几种方法,主要包括二维分块索引、四叉树索引及利用KD-树实现三维空间中k个最邻近点和区域的快速查询。改进了传统的四叉树点云数据索引方法；提出了四叉树最优深度的动态计算方法；考察并利用堆栈的方法来模拟递归和最小外包矩形等关键技术来加快建立索引与查询的过程,一定程度上解决点云数据的组织及可视化等问题。2)根据被茂密植被覆盖的山区和林地地形复杂的特点,设计了基于剖面的机载LiDAR激光点云滤波算法。首先利用点云的回波和强度特性过滤出地面点集合的粗集,利用剖面分析方法将粗集中的三维点云转换为二维数据,然后根据二维数据间的空间关系对粗集进行滤波从而实现对复杂山区和林地进行滤波的目的。通过实验验证了利用该方法在茂密植被覆盖的山区提取DEM的可行性。3)提出了高分辨率航空影像和机载LiDAR点云数据配准的方案。首先分析了CCD相机与IMU两者坐标系间存在的安置角误差对于直接定位的影响。然后在航空影像重叠区域中采集像控点作为一定的控制和连接信息；引入LiDAR高程数据,根据基于LiDAR点约束的多基线前方交会,得到高精度像控点三维坐标；将安置角补偿矩阵加入传统共线方程,以反算的像控点坐标到手动选取的像点坐标距离最小为约束条件,联合平差求解出安置角误差值,从而改正外方位元素,实现同机影像与LiDAR点云数据的配准。实验结果证实了该方法的有效性。4)分析了高分辨率航空影像和LiDAR点云数据提供的光谱信息和几何信息,提出了LiDAR数据和同机获取的航空影像融合的地物分类算法。从激光点云和航空影像两类传感器数据着手,利用每类数据源的特点,采用基于半监督多层次多特征的融合分类方法。分类任务分为3个层次：在大尺度层次中,将激光点云数据粗分类为平面与非平面；在中层次分类中,提取高精度训练样本数据,将植被从平面地物中提取出来,在非平面中将高植被与建筑物分离；最后根据形状指数精化分类结果,并最终在小尺度层次上,根据影像分类结果、LiDAR点云粗分类结果,点云数据的高程信息、激光点的空间离散度、首末次回波和强度信息,将LiDAR数据划分为草地、建筑物、裸露地面、植被及其他等多类地物。改善仅用机载LiDAR单数据源分类缺陷,提高点云分类的精度。5)针对目前同机获取的航空影像辅助LiDAR点云数据分类处理中面临的算法多样、数据海量的问题,论述并设计了一种基于异构集群计算机系统的海量机载LiDAR数据并行处理方法,实现了分布式并行处理过程中的消息通讯、任务分解、分配与负载均衡等。使得机载LiDAR数据并行处理系统能够有效结合各种处理算法与硬件资源,提高了LiDAR数据的处理效率。本研究结合摄影测量学、数字图像处理、数据结构及并行计算等各门学科知识,对如何利用同机获取的高分辨率航空影像辅助LiDAR点云数据进行分析和处理的问题做了广泛而深入的研究,包括点云数据组织,滤波,配准,分类,并行处理,并结合具体问题提出了解决方法。由于融合LiDAR数据和航空影像数据的地物分类是一项复杂的任务,然而研究时间毕竟有限对于如何进一步提高地物分类精度、自动化水平和模型精度,仍然需要进行大量和深入地研究。