当前,大范围、非结构化场景的三维数字模型在数字城市、古代建筑遗址的重建等领域获得越来越广泛的应用。与此同时,各种深度获取设备也广泛出现。在各种方案中,利用小型无人机平台搭载激光扫描设备对大面积非结构化场景进行数字模型构建,可以充分利用无人机运动灵活的特性,同时发挥激光设备测量精度高,不易受外界环境(如光照因素)影响的优势。本文旨在解决利用机载激光设备建模过程中出现的若干影响建模精度和效率的关键问题。对于结构复杂、纹理丰富的场景,采用定点扫描的方法进行建模。在场景中预先规划若干扫描点,飞机在扫描点处切换为悬停状态,机载激光设备对场景进行扫描。但在这一过程中飞机受风力等因素的干扰,在悬停点附近会有小幅度的随机漂移运动,而现有GPS/INS定位系统无法有效准确感知该小幅运动,从而使定位误差被引入到模型误差中,本文利用单目视觉同步定位与制图(Simultaneous Localization and Mapping,SLAM)技术,并结合基于EKF框架的传感器融合算法,融合IMU(Inertial Measurement Unit,惯性测量单元)传感器信息,敏感飞机在悬停点附近的小幅随机运动,并将定位结果用于修正点云数据,从而消除由于飞机小幅漂移导致的单帧点云畸变问题。对于延伸型的场景进行建模时,采用动态扫描的方式进行建模。在激光头二维线扫描的基础上,通过飞机相对场景平行方向的运动进行三维扫描。由于飞行拐点处气流变化较大,定位系统中的气压计传感器受到不稳定气流的影响,测高精度急剧变差,导致飞机定位结果在高度方向产生明显跳变。这种定位误差导致获取的点云模型有明显的分层现象。为解决这一问题,本文提出了在飞行拐点处切分点云,然后对各点云片进行分段配准,最后拼接为完整点云模型的方法,从而有效解决了点云分层问题。本文通过若干模拟及现场试验,有效证明了上述方法在大范围非结构化场景三维数字模型构建过程中的有效性和实用性。