近年来,基于主动测量原理的LiDAR技术以其高效率、高密度、高精度等独特优势,越来越受到测绘领域的关注,并体现出广阔的应用前景。随着其硬件设备集成度的不断提高,许多LiDAR系统中都配备了CCD像机,可以在测量获取点云数据的同时得到被测场景的CCD影像。目前,CCD影像大都仅仅用于后期的纹理映射。事实上,若能充分利用影像信息实现LiDAR点云与CCD影像的融合处理,对于充分发挥LiDAR技术的空间信息获取作用具有重要意义。本文通过分析两种数据的数据特性,以其对目标描述的诸多互补为出发点,着重对LiDAR点云与CCD影像的融合处理进行了研究与探索,并结合现有经典方法,为解决部分点云数据处理问题提出了一些新的思路。本文的主要工作包括以下几个方面：1、论述了LiDAR技术与CCD像机的数据获取原理,相应的坐标系变换以及点云数据与影像数据的数据配准。根据两种数据的映射关系提出利用影像栅格对点云进行剖分,从而为点云建立简单的空间拓扑关系,方便于后续融合中点云与影像的映射。2、讨论了影像边缘特征提取与点云曲面逼近方法,并针对点云中边缘特征提取困难,缺陷边界的不确定性等问题,提出使用灰度矩边缘检测和最小二乘支持向量机相结合,实现对点云中边缘特征的提取以及边缘缺陷的修补。鉴于现实世界中的目标场景结构复杂,实际边缘与点云的位置关系多样,通过分析列举,将可能出现的情况进行人工划分,使提出的方法更具一般性。3、分析了经典ICP自动拼接方法的不足,通过使用SIFT影像配准来提高经典算法的效率：根据建立的剖分关系,利用影像中的匹配点对确定相邻站间点云的匹配点对候选集。为防止出现误匹配,利用RANSAC方法进行检验。然后根据最小二乘原则计算出初始变换参数。最终经改进的ICP算法迭代实现多站点云的自动拼接。4、研究了基于离散点的点云显示原理,利用实时内插的方法对点云进行多分辨率显示。通过分析显示过程中点云的可见性与重采样位置,使用移动最小二乘曲面拟合方法对局部点云进行拟合和插值,并进行纹理映射,实现了具有影像级真实感的点云数据多分辨率显示。最后在VC++环境下开发了实验平台,并给出了本文所提出方法的若干运行效果图。