针对地面激光雷达（TLS）进行单木分割时存在复杂林地欠分割或者过分割等问题，提出了一种基于连通性标记优化的单木分割方法。首先构建冠层高度模型（CHM）。再采用移动窗口进行局部极大值探测，实现候选树顶点探测。然后对初始树顶点进行连通性生长，通过探测连通区域的最高点，实现树顶点的优化提取，避免局部极大值误判为树顶点。接着采用基于标记的分水岭分割方法获取树木的初始分割结果。最后基于单木密度的分布特性对欠分割的树木进行优化，获取准确的单木分割结果。采用不同植被类型的点云数据进行实验分析，实验结果表明，所提方法在不同植被环境下均能获得良好的单木分割效果，平均探测精度均优于Meanshift单木分割方法和基于标记的分水岭单木分割方法。

建筑物轮廓线提取是三维城市重建的关键环节。传统Alpha-shapes轮廓线提取算法具有鲁棒性强且易于实现的优点，但所提取的轮廓线容易受噪声点的干扰，难以获得准确的轮廓边缘。针对该问题，提出了一种改进的Alpha-shapes轮廓线提取算法。首先，采用随机抽样一致性算法筛选由Alpha-shapes算法提取的初始轮廓点；然后，用道格拉斯普克算法确定关键轮廓点；最后，通过强制正交优化提取准确的轮廓线。用三组不同形状建筑物的点云进行实验，结果表明，本算法能获得更准确的建筑物边缘，有效克服了传统Alpha-shapes算法提取的轮廓边缘锯齿状现象，正确率、完整率、质量也均优于传统Alpha-shapes算法。

点云滤波是机载LiDAR点云后处理应用的必要环节。现有的大多数点云滤波方法往往在地形平坦的区域滤波效果比较好，而在地形起伏较大区域滤波效果较差。为进一步提升点云滤波方法的精度及对复杂环境的适应能力，提出一种基于多约束连通图分割的滤波方法。通过设定垂直性、高差、距离三个约束条件构建点云连通图，实现点云分割，并基于地面覆盖率和格网化高程实现地面种子点集获取与筛选。最后，基于点到邻近地面种子点集拟合平面的距离实现地面点集优化。采用国际摄影测量与遥感学会（ISPRS）网站发布的15组专门用于检验滤波效果的点云数据进行实验。实验结果表明，所提方法针对不同的地形环境均可以获得良好的滤波结果。在与其他四种滤波方法的对比中，所提方法能够取得最小的平均总误差（5.44%）。此外，所提方法的平均一类误差和平均二类误差都相对较小，表明所提方法在去除地物点的同时能够有效保护地形细节。

针对传统滤波方法对于背包点云数据在地形陡峭、植被覆盖广的复杂地区的滤波精度较低的问题，提出一种基于背包LiDAR点云多尺度渐进数字地面模型(DTM)构建方法。首先，利用最小二乘法由地面种子点拟合出DTM曲面，并构建出渐进式DTM；然后，通过多尺度形态学开运算进行地物点探测；最后，通过设定自适应滤波阈值函数实现地面点的提取。选取4组位于复杂地形区域的背包LiDAR点云数据进行实验分析，本文方法得到的平均总误差为7.88%；与3种传统的滤波算法(LAStools、MCC和CSF)进行滤波对比分析，本文方法在4个实验区域内的总误差均明显低于以上3种方法的滤波总误差。此外，本文方法不需要设置复杂的参数，能够根据地形的变化自适应地调整滤波阈值，具有较强的鲁棒性。