机载激光雷达测量技术（LiDAR）可以直接开展高精度、低成本的三维地形测量，作为一种新型的测量技术，其已在地表数据探测、地形模拟和地形重建中得到广泛应用。但是，机载LiDAR获取的是地表离散分布的三维坐标点，这些坐标点中不仅包括裸露地面、地面植被和建筑物，还包括各种不明性质的地物。如何利用LiDAR数据获取高精度数字地面模型（DTM）是当前研究的热点问题之一。其中，点云滤波处理是获取高精度DTM的关键环节，前人多应用插值后的数据进行滤波处理以获取DTM，该方法虽然可以获取较为平滑的地面模型，但同时容易造成地形特征信息的丢失和误判。本文从机载LiDAR点云数据滤波、分类技术入手，研究了滤波算法的精度，通过建立合理的假设模型，将原始点云数据进行区块划分，化为一系列带有属性特征的点集，以达到滤波效果。主要成果如下：（1）详细介绍了国内外6种主流滤波算法，并且对其优缺点进行了对比分析，选定基于不规则三角网的滤波算法作为本文研究的参照算法。（2）基于ISPRS提供的两块机载LiDAR点云测试数据，分别选择了地形复杂度较强的两个样本，不同滤波算法分析结果显示，采用分割滤波算法得到第一、二类误差较小，该算法对建筑物和植被的分类具有较好效果。（3）四个样本数据分割滤波与八种经典滤波的测试结果表明，分割滤波的两类误差总体较小。其中，样本1的第一类误差均低于其他所有算法；四个样本的第二类误差大小的稳定性相对较弱，推测影响第二类误差的主要因素为地形的复杂性和地形梯度。（4）基于分割滤波算法得到的样本区DTM与测试数据的参考值生成的DTM的差值曲线表明，分割滤波算法在生成DTM方面具有较高的精度。