目前,机载与地面激光雷达(LiDAR)点云配准方法大多利用三维点云的几何信息来获取机载与地面LiDAR点云的同名特征,并计算点云坐标转换参数,实现点云配准;提出了一种基于激光强度分类的配准新方法,首先对机载与地面LiDAR点云的激光强度信息进行纠正与分类,然后基于分类结果提取特征平面,将特征平面间的拓扑关系与分类结果作为约束条件,匹配得到同名特征平面,最后计算坐标转换参数,实现机载与地面LiDAR点云配准。实验结果表明:与传统方法相比,所提方法可以减小机载与地面LiDAR因扫描角度、点密度不同而导致的配准误差;在机载与地面LiDAR同名特征几何形状不完全一致的情况下,所提方法仍可得到较好的配准效果。

针对船舱复杂构件点云提取存在人工成本高、效率低的问题, 提出了一种适用于平面舱壁类型船舱点云的分割方法。通过种子点集构建、点云法线估计及直线拟合的方式建立以船舱纵向为X轴、横向为Y轴、竖向为Z轴的独立坐标系, 以简化分割算法的复杂度; 根据船舱内部复杂构件的分布特性, 制定最佳分割次序, 基于随机采样一致性算法拟合平面的思想有序地分割船舱构件点云。选用两组不同结构的船舱点云数据进行算法验证, 实验结果表明：该方法能够从不同结构的船舱散乱点云中快速、准确地自动分割出主要构件点云, 可靠性强, 具有较高的实用价值。

提出了一种地面LiDAR点云强度分类的新方法, 即利用点云的色彩信息, 对强度分类进行约束。与现有的单一利用强度分类方法比较, 该方法利用颜色对强度进行补充, 建立了对激光强度纠正结果的容错机制, 改善了强度纠正模型无法得到最优纠正结果而导致的分类效果不佳的问题。采用Faro Focus 3D 120地面扫描仪采集的强度和颜色数据进行实验, 结果表明该方法可以提高基于激光强度的三维点云分类精度, 在激光强度纠正结果不理想的情况下, 也可得到可信度较高的分类结果。

通过分析机载雷达（LIDAR）点云数据与航空影像数据特点，提出了融合机载LIDAR点云和航空影像的建筑物轮廓探测方法。分别提取机载点云和航空影像中的部分建筑轮廓线，将轮廓线拟合成直线段的建筑物轮廓边，并以两相邻且垂直的轮廓边相交得到建筑的角点，根据建筑物的同名角点实现机载点云和航空影像的配准融合；将航空影像的光谱信息赋予机载点云，并将光谱信息作为特征向量进行聚类，分离出植被和树木等地物，利用高程信息从光谱信息相似的地面道路和建筑物中分离出建筑物，提取建筑物的轮廓边，完成建筑物轮廓的探测。实验结果表明，利用该方法进行建筑物点云的分类正确率可达97.96%，轮廓边的提取精度可达0.21 m，能够有效的实现建筑物轮廓的探测。