在公路建设领域,从公路初建的地形测绘到公路改扩建,机载LiDAR技术都能提供高精度的地形数据,然而,由于公路测区狭长、LiDAR点云密度高等因素,使得机载LiDAR获取的数据量非常庞大,庞大的数据量会影响公路勘察设计中DEM的构建速度、数据交互的难易程度和数据的存储速度,所以对用于公路勘察设计的机载LiDAR点云进行抽稀精简有利于实际工程应用。关于LiDAR点云的抽稀方法,如何在保留地形特征点的同时,保证点位分布的合理性,避免出现大面积的点云空洞,以及提高算法的处理速度,仍然是当下研究的重点与难点。本文主要研究内容如下:(1)总结、分析了规则格网、八叉树和KD树三种海量点云数据空间索引方法的优缺点。结合机载LiDAR点云数据的特点,采用KD树作为本文实验数据的空间索引结构,提高算法处理速度。(2)根据机载LiDAR的工作原理,分析总结其主要的粗差来源,研究采用基于假设检验的方法剔除粗差。(3)提出了基于平均曲率的点云抽稀算法,并利用标记法来解决点云空洞的问题,提高点位分布的合理性,尽可能的保证抽稀后的点云精度。(4)设计开发了点云显示、点云粗差剔除、点云抽稀等功能的软件,并基于实际数据进行点云粗差剔除和抽稀实验,对实验结果进行对比分析。