机载激光雷达(Light Detection And Ranging,LiDAR)点云数据具有高精度、高密度、完整保留地形特征的特点。利用LiDAR点云数据建立数字高程模型(Digital Elevation Model,DEM)已成为一种主要途径。由LiDAR点云数据直接建立DEM因数据量大导致处理速度慢、交互体验不佳、储存困难等问题。将地面点云数据进行适当抽稀之后再建立DEM是解决问题的方法。如何处理好抽稀率和DEM的精度关系并尽可能多地保留地形特征点和特征线是研究的重点。针对上述问题,本文开展了以下研究工作:(1)围绕地形复杂度指标构建,讨论了参数选取问题,引入参数的可提取性、相对独立性、相对全面性三个原则;采用相关系数分析法、聚类分析法,结合实验区点云数据来评价参数的相对独立性,从而筛选出独立性相对好的核心地形因子,包括高程标准差、坡度熵、地形粗糙度。(2)为了对局部地形复杂度进行量化,选择CRITIC(Criteria Importance Through Intercriteria Correlation,CRITIC)多因子综合定权方法采用核心地形因子作为参数,以不同地形实验区为例构建了局部地形复杂度指标计算方法。(3)设计了一种基于局部地形复杂度指标的机载LiDAR地面点云数据抽稀方法,将局部地形复杂度指标作为点云抽稀依据,以检查点高程精度为约束进行点云抽稀;讨论了地形特征线的提取与简化方法,尝试了将地形特征线作为约束条件加入地面点云抽稀结果中建立DEM,以提高DEM的高程精度。(4)将本文方法与基于坡度、地形信息熵和坡度熵的地面点云抽稀方法从抽稀率和DEM高程精度关系、采样点空间分布两个方面进行对比分析。在抽稀率较高时,增加对抽稀结果采样点空间分布的检查并在局部邻域空间内保留一定数量的点,使得抽稀结果在不同尺度DEM高程精度的约束下能够保证点位空间分布的合理性。研究表明:基于局部地形复杂度指标的机载LiDAR地面点云数据抽稀方法能够保留地形特征信息丰富的采样点和地形特征线,从而确保较高的高程精度。在抽稀率为90%的情况下,该方法对保持点云抽稀结果中采样点的均匀性有较好效果。本文的研究工作对利用机载LiDAR地面点云数据生成多尺度、高精度的DEM具有一定的工程实用价值。