近些年来,随着科学技术的日新月异以及社会的迫切需求,三维激光扫描技术迅速发展。该技术是一种可以快速、便捷、全天候、实时性获取待测物体表面的三维坐标、强度信息、颜色值以及法线等数据的新兴技术。通过三维扫描得到的点云数据在洪水模拟、滑坡监测、道路设计、土地覆盖分类和森林管理等领域有着广泛且至关重要的应用,但原始点云数据由于仪器自身系统误差、人为偶然误差以及光照、空气湿度等外界环境因素的影响,会产生较多噪声点和空洞等,影响后续处理和应用,故自主研发一套三维点云数据处理系统具有一定的价值和意义。目前国内外的许多点云处理软件相较于三维激光扫描硬件设备的迅猛发展,存在或多或少的问题,比如价格高昂且不开源,点云软件处理的智能化、稳定性以及软件界面的友好型、专业性、应用的广泛性等都需要与时俱进。因此本课题组根据实验需求开发一套三维点云数据处理与可视化软件。该软件主要以VS2015为开发平台,C++语言为主要编程语言,开源lib LAS库和PCL点云库为点云数据处理基础,结合QT工具实现点云数据可视化。本文的主要内容及创新点如下:（1）详细介绍了点云数据基础知识,包括数据格式、组织形式、最邻近搜索等算法、法线和曲率等。然后依据该基础,介绍了相关点云处理算法。在点云滤波方面,介绍多种滤波算法,如半径滤波、直通滤波、统计滤波和体素滤波。在点云分割方面,介绍了基于随机采样一致性算法实现了平面模型和圆柱模型分割。在点云分类方面,介绍了渐进形态学滤波算法、布料模拟滤波算法、渐进式三角网滤波算法,基于直线-抛物线的电力线分类方法。在曲面重建方面,介绍了利用移动最小二乘算法实现了点云平滑,介绍了利用贪婪投影三角化算法实现三维模型的构建。同时将以上这些算法集成于开发的点云数据处理系统中,借助相应的点云数据对上述各类算法进行实验,并取得了较好的实验结果,验证了系统的高效性和稳定性。（2）为了提高传统的渐进式三角网算法（progressive TIN densification,PTD）中初始种子点的选取效率问题,本文提出一种结合布料模拟滤波算法（Cloth Simulation Filtering,CSF）与PTD的机载激光雷达（Light Detection And Ranging,Li DAR）点云滤波算法。首先去除Li DAR中的粗差点,然后对去除粗差点后的点云利用CSF进行粗分类,最后通过改进的PTD对初始地面点构建三角网,然后对连续迭代获取的地面点进行整体构网,进而得到最终的地面点。实验选取国际摄影测量与遥感协会提供的3组测试数据进行对比实验,结果表明该算法能够在坡度较大的区域降低Ⅰ类误差,并将Ⅱ类误差控制在一定范围内,从而验证该算法的可靠性。