作为精准地形数据获取的主要手段之一--激光雷达(LiDAR，LightDetectingAndRanging)发展迅速，其脉冲频率迅速提高，获取数据量急剧增长。目前集中式数据处理软件存在计算速度慢、存储能力低、共享方式单一等问题，处理大数据量在时间上难以满足要求。为解决上述问题，本文将网格计算引入到LiDAR数据处理流程中，通过将计算和数据分配到由多个运算节点构成的网格系统上，各节点并行计算达到提高计算速度的目的。本文针对小光斑、点云LiDAR数据处理流程中的4个重要环节：预处理、滤波、分类及建筑物三维模型提取进行研究，在分析已有算法基础上，提出网格环境下的计算方法，力求使计算快速、自动且通用化，以使LiDAR数据处理流程化。将网格技术应用到LiDAR数据处理流程是本文的主要创新点。经研究在有限条件下的实验验证，本文研究成果可以归纳为以下几点：　　 1.为了达到快速、通用的LiDAR数据处理目标，本文深入分析LiDAR数据处理流程需求，结合开放网格服务体系结构，提出了一种网格环境下的LiDAR数据处理平台体系结构。相对于集中式计算体系，该平台具有良好的开放性及通用性。文中重点研究了LiDAR数据处理流程中的预处理、滤波、分类及建筑物三维模型提取等几个环节，通过实例验证本平台可节省计算时间最高约40％。　　 2.点云内插过程是LiDAR数据处理流程的主要速度瓶颈之一。通过对TIN(TriangularIrregularNetwork)内插构建规则格网被认为是在格网构建方法中精度和效率较优的方法之一，本文在分析该内插算法基础上，根据网格体系结构特点，进一步改造使其适合于网格环境，通过数据并行使最坏情况下的计算时间小于等于集中计算时间t，最好情况下的计算时间约等于t/n，其中n为网格节点个数。通过实验表明网格分布式计算相对于集中式计算约节省时间39％。　　 3.通过对LiDAR点云滤波，剔除非地面点从而得到地面点是LiDAR数据处理流程的主要环节之一。本文在分析已有滤波算法的基础上，鉴于形态学运算具有天生适合并行实现的特点，符合网格算法设计的基本目标，本文提出一种网格环境下的基于形态学的快速滤波算法，该算法在过滤掉非地面点的同时能较好保护地形细节，最坏情况下的网格计算时间等于集中计算时间。I型错误为21％，II型错误为1％，相对于集中式计算节约时间40％。　　 4.点云分类是LiDAR数据处理流程的主要环节之一，也是地物模型提取及分析的基础。基于目前单独获取的激光与光谱数据融合的低效问题，本文综合分析已有分类方法，总结出一种完全基于激光数据的快速、监督分类方法。该方法综合激光高程、回波次数及回波强度等信息，能对LiDAR点云进行较为有效地分类。　　 5.从LiDAR点云中提取建筑物三维模型是LiDAR数据处理领域的研究热点，鉴于形态学运算具有天生适合并行实现的特点，符合网格算法设计的基本目标，本文提出一种基于形态学的建筑物三维模型快速提取方法，在建筑物几何形状约定下，计算结果表明，该方法能较为准确地提取建筑物模型，网格计算在时间上略优于集中式计算。　　 6.最后本文介绍了合成孔径激光雷达的构成及数据处理的简要流程。