随着近年来无人机(Unmanned Aerial Vehicle,UAV)技术和激光雷达技术(Light Detection and Ranging,Li DAR)的快速发展,机载激光扫描技术也日趋成熟,在地形测绘、海岸带监测、自然灾害评估、道路施工勘测等领域得到广泛应用。机载激光点云数据的获取成本也随之越来越低,点云规模的海量化已经成为常态。然而,对于海量机载激光点云实时在线组织与管理的研究还处于起步阶段。现有对激光点云数据的研究要么侧重于静态点云管理,要么侧重于点云建模,对真实采集场景下范围动态变化的海量点云支持不足,且无法满足扫描区域在线监测、飞机路径规划等应用需要实时在线提取点云数据的需求。针对以上问题,本文以激光点云数据索引设计、存储系统选择和存取优化为切入点,重点探索海量机载激光点云实时存取技术,并设计海量机载激光点云实时在线管理系统。主要研究内容和创新点如下:(1)提出适用于海量机载激光点云实时采集场景的内外存双层索引技术。内存层次使用扩张式网格划分空间,并利用Morton编码把三维的网格编号转换成一维Morton码。外存层次使用B树或者哈希索引,对内存层次的一维Morton码建立索引,形成内外存双层索引,提升内外存数据动态调度的效率。(2)选择非关系型数据库Mongo DB作为海量机载激光点云的存储系统,提出无序无验证批量插入、内外存双层索引、不定长面向对象的BSON文档结构、感兴趣区域ROI(Region of Interest)部分更新和ROI预读等优化方法提升海量机载激光点云的存取效率。(3)规划Mongo DB分布式集群架构,搭建高可用、易扩展的Mongo DB分布式集群。结合海量机载激光点云的特点,选择内存层次生成的一维Morton码作为片键,使用哈希分片策略对集群集合进行分片,并对集群进行容灾和负载平衡测试。(4)设计海量机载激光点云实时在线管理系统,分析数据存储链路和数据提取链路,设计系统软件架构,通过数据存储、数据提取、激光点云坐标计算、UDP传输、索引生成和实时监测等模块的分析、实现和优化,完成系统的搭建。其中实时监测模块使用Qt与Open GL开发,用于实时监测感兴趣区域ROI内的点云采集情况。基于上述的研究内容和创新点,本文进行了多组对比实验,验证了本文提出的索引结构、存储系统和存取优化的有效性,并测试了海量机载激光点云在线管理系统的性能。结果显示,本文设计的系统具备实时在线组织与管理海量机载激光点云、实时在线监测区域扫描情况的能力。