近些年来,航空摄影测量技术可以低成本、大范围的获取高精度的场景信息,已经成为新时代下“数字城市”建设中获取数据的重要手段之一。无人机平台搭载GPS、IMU和非量测相机,采集高精度位置、地面影像数据和姿态数据,可通过自动空中三角测量、影像匹配等步骤生成数字正射影像图、数字表面模型和密集点云数据。但是密集点云数据中包含了地表上的建筑物、植被等信息,并不能真实的模拟实际地表形态,需要将点云中地面点与非地面点分离。在点云数据中划分地面点与非地面点的过程称为点云滤波。目前各种经典的点云滤波算法都需要在算法中设置较为复杂的参数,需要专业人员对作业区域有深入的了解,才能达到一定的滤波效果。本文采用简单设置参数的布料模拟滤波算法,通过实现该算法并将其应用到密集匹配点云数据中。实验分析滤波效果,提供了该算法在阈值设置上的参考值,在水文分析、地貌分析、防洪减灾和数字化成图等方面的应用有着重要研究意义。本文的研究内容如下:(1)从相机标定、POS辅助空中三角测量、多视影像密集匹配的原理三方面讲述无人机影像匹配点云获取的关键技术,并具体说明无人机影像数据的获取与影像处理生成点云的方法流程。本文使用PIX4Dmapper软件处理倾斜影像数据生成研究区域的数字正射影像图、密集点云,为后面实验分析滤波算法提供理论和数据支持。(2)深入研究目前几种经典点云滤波算法,分析对应算法中参数设定的不便,阐述点云滤波中的优缺点。针对经典算法中关于滤波过程中阈值的选择的复杂性,采用数值参数和布尔值参数的布料模拟滤波算法。根据算法中几个易于设置的参数,分别对影像匹配点云数据进行实验,定性和定量评价滤波的效果。(3)结合获取的数字正射影像图和滤波后地面点数据,进行数字线划图的制作。首先对密度较大的点云数据进行抽稀处理,生成数字高程模型和等高线数据;然后将生成的等高线数据和数字正射影像图中矢量化的部分地物结合,局部修改后制作数字线划图;最后选取检查点进行精度分析。