激光雷达(Light Detection and Ranging,LiDAR)点云与航空影像点云的三维配准是高精度多源数据融合的基础。传统的迭代最近点法(Iterative Closet Point,ICP)要求配准点云间为包含关系,在每次迭代解算配准参数时需重新搜索同名点,耗时高,且认定点间欧式距离为最近距离,存在一定程度误匹配。城市地区具有丰富的直线特征,将直线作为配准基元,不受遮挡影响,几何约束更强,且无需其上所有点为同名点,配准时也无需所有直线参与参数解算,可提高配准效率与精度。现有直线配准算法多数手动提取同名特征,无法自动建立同名直线索引结构,导致配准效率低;另外,配准几何模型仅利用直线方向信息,未考虑同名直线位置信息与尺度差异,导致配准精度低。针对上述问题,本文提出一种全新的航空影像与LiDAR点云自动配准方法,对影像密集匹配点云与LiDAR点云直接进行三维配准,在点云直线特征自动提取与匹配、配准几何模型构建两方面进行研究,主要工作与创新点如下:1.提出了基于平面边界编码的点云直线自动提取算法,利用KD树与K邻近搜索建立特征点索引结构,在点云法矢约束的区域增长算法下拟合出点云平面特征。在此基础上,将平面拟合点投影至二维构建二值图,对图像边界进行Freeman归一化差分编码,通过Hough变换拟合出点云直线特征。实验结果表明,该方法提取直线误差较低,相比传统平面相交法提取效率更高,所提直线易于建立同名特征索引结构,有利于提高同名直线匹配的正确率与效率。2.提出了基于非对称边界的点云直线索引算法,根据归一化差分码值对非对称边界进行分类,再利用直线夹角与交线长度比作为约束准则,进行同名直线特征的自动获取。实验结果表明,编码后的非对称边界起点唯一,方向固定且不受旋转平移影响,实现了点云中同名直线的自动化匹配。3.提出了基于Plücker坐标的带缩放系数配准几何模型,将同名直线用Plücker坐标描述,充分利用直线方向、位置与尺度信息,并建立直线共线条件方程,使缩放系数与旋转平移参数在最小二乘平差法下统一迭代解算。对比实验结果表明,本文提出的几何配准模型约束更强,配准精度更高,为城市地区航空影像与LiDAR点云的自动配准提供了新思路与新方法。