机载激光雷达(LightDetectionAndRanging, LiDAR)能获取高密度点云,已逐渐成为快速建立高精度DEM(DigitalElevationModel,数字高程模型)最有效的方法之一。然而,实际应用中,往往并不需要如此庞大的数据量。另一方面,海量数据会加大数据处理难度,影响工作效率。国内外学者对于LiDAR点云数据的压缩算法,进行了很多研究,也取得了很多显著的成果。但是,如何更好地匹配地形,保留地形特征点依然是研究的重点与难点。同时,针对一个具体的工程项目,在满足实际应用精度要求的情况下,对于点云数据压缩的程度问题没有一个明确的指标。针对上述问题,本文开展了以下研究工作：(1)查阅了国内外关于机载LiDAR点云数据DEM压缩算法的研究成果,对各种算法的优点以及存在的问题进行了归纳、总结。(2)介绍了地形信息熵的概念,由于地形信息熵值能够很好地表征地形复杂程度,在此基础上尝试改进了一种基于地形信息熵的数据DEM压缩算法。(3)介绍了DEM精度分析的相关问题,包括DEM精度的概念、数学模型、评价方法以及评价指标等等。(4)重点研究总结了基于坡度的压缩算法。结合对DEM精度的研究,提出了一种精度约束下基于机载LiDAR点云数据的DEM压缩算法。(5)结果表明,利用本文提出的精度约束下的机载LiDAR点云数据DEM压缩算法能够较好地将压缩率与精度指标对应起来。得到了平地、丘陵、山地数据分别在压缩率为10%-90%时的DEM精度指标。同时,得到了平地、丘陵、山地数据分别在1：500、1：1000、1：2000、1：5000、1：10000比例尺DEM精度要求下的最大压缩程度即最低压缩率。这对于实际工程中DEM压缩具有参考价值：