树木的量化模型对分析树木拓扑结构和生物量等信息非常重要。树木定量结构模型（TreeQSM）作为主流建模方法，被广泛使用，但在估计树高、胸径和体积的精度上缺少全面分析。实验中用地面激光雷达多扫描角分辨率多站点扫描2棵模型树和5棵真实杏树，通过TreeQSM建模单站和多站融合数据估计得到较精确的树高、胸径和体积参数，同时分析不同角度分辨率、不同站点数量对估计树高、胸径和体积的影响。实验结果表明：树高和胸径的平均估计精度均在90%以上；对树木体积而言，结构较为简单的模型树平均估计精度为92.00%，结构较为复杂的真实杏树平均估计精度71.32%。由实验数据可知，扫描角分辨率和融合站数对精度有一定的影响，且不同参数最优估计结果的配置存在差别，同时TreeQSM也会受到点云数据基础、数据完整性和噪声等多因素影响，特别是针对复杂分枝结构和体积进行建模时仍存在一定的偏差，所提模型的改进空间巨大。

针对现有基于点云的容量计量模型的缺陷,本文提出一种改进的洞库容量计量模型。首先,在高度方向上将洞库点云数据由下至上切割为若干微元体;采用提出的分层投影法准确地提取截面轮廓点,基于改进的截面轮廓点排序算法正确地构建截面轮廓多边形,使用坐标解析法计算截面积;考虑洞库的构造特点,分别采用柱体模型与棱台模型计算洞库的下部边墙及上部拱顶的微元体体积;最后,由下至上累加微元体的体积即可获取洞库容量表。选用三个具备代表性的洞库片段数据进行方法验证,实验所得洞库容量表的精度优于规范要求1个数量级,说明本文方法对复杂的洞库结构具有良好的适应性。

通过研究目标镜面反射造成的测距误差,及分析强度数据与测距误差之间的关系,建立了一种基于原始强度数据的目标镜面反射测距误差模型。研究结果表明,利用原始强度数据可以建立一种测距误差修正模型,该模型不受目标材质和表面几何形状的影响,可以精确地对距离数据进行修正,对提高地面激光雷达的数据精度具有重要意义。

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。

为了自动化地、准确地从单站地面激光雷达（TLS）数据中提取一定范围内的树木胸径，提出一种基于点云切片的圆形椭圆自适应胸径（DBH）估计方法。对林地点云数据在胸高位置进行切片，然后对胸高切片点云进行聚类，利用圆形椭圆自适应拟合方法对聚类结果进行树干点判别，符合圆形分布的树干点集直接用于计算树木胸径，符合椭圆分布的树干点集进行胸高位置校正之后再进行胸径计算。利用TLS在北京市东升郊野公园的人工柳树林进行样地点云数据采集，验证圆形椭圆自适应胸径估计方法，并与单纯圆形拟合方法对比。结果显示，在扫描距离为26 m的样地范围内，树木胸径估计均方根误差为1.1 cm，在扫描距离为56 m的样地范围内，树木胸径估计均方根误差为1.99 cm，判别为椭圆分布的树木胸径估计结果平均误差比单纯圆形拟合结果降低4.7%。该方法可以快速有效地进行自适应胸径估计。

地面激光雷达获取的激光强度数据包含目标的物理和化学信息，因此研究激光强度数据的生成机制就成为对其分析和应用的关键。分析了地面激光雷达的工作特点，提出假设简化了激光强度数据的计算方程，得出影响激光强度数据的3个主要参量：目标反射率、入射角度和扫描距离。以垂直立面为目标分析地面激光雷达扫描的空间点阵间距的非均匀分布特性，并提出衡量扫描点间距非均匀分布程度的计算方程，分析扫描角度的步进值对扫描点间距非均匀分布的影响。根据实际参数模拟垂直立面的激光强度数据，验证了强度数据计算方程并分析了各参量的影响。