机载激光雷达测量的数据处理涵盖多个方面，包括动态GPS数据后处理，INS和GPS组合姿态确定、不同传感器的观测值的时间系统同步处理、激光脚点三维坐标计算、坐标系统的转换、系统误差的改正、粗差的剔除、数据的滤波分类、DEM/DTM的生成以及后续的地物提取、建筑物的三维重建、3D城市模型等高级处理。
机载激光雷达测量按照扫描方式的不同，激光脚点的分布形态也不同。激光脚点在三维空间的分布形态呈现随机离散的数据“点云”（Points cloud）。
两个关键问题是如何消除系统误差对三维激光脚点坐标的影响以及机载激光雷达数据的滤波和分类。
从激光脚点数据点云中提取数字地面高程模型（DTM/DEM）需要将其中的地物数据脚点去掉，这就是所谓的激光雷达数据的滤波。如果要进行地物提取和建筑物的三维重建，就需要对激光脚点数据点云进行分类，区分植被数据点和人工地物点，以提取城市建筑物数据点云系列，这就是所谓的激光雷达数据分离。
研究如何从激光数据点云中分离出地形表面激光脚点数据子集以及区分不同地物（包括房屋、道路、植被）激光脚点数据子集，就是所谓的数据滤波和分类。
数据的滤波和分类主要取决于所采用的扫描技术、测区地形、地物复杂程度和激光脚点的密度。地形平坦，地物覆盖稀疏，对滤波算法的性能要求不高，激光脚点的空间分布也可以不要求很密。如果测区地形复杂，地物覆盖密集，就要求滤波算法能根据具体的地形条件自适应的调整，对激光脚点的空间分布密度也有一定的要求，必须保证足够的数据密度。
思考：
地形简单、地物稀疏的测区，所需要的激光脚点密度较低，对算法的性能要求也不是很高。对于地形复杂，地物覆盖密集的测区，必须用足够的数据密度来保证滤波与分类的精确性。随着机载激光雷达测量技术的进步，点云数据的脚点密度已经可以满足复杂地形对数据密度的需求。而传统串行化的滤波算法则无法匹配高密度点云脚点数据的快速处理需求。随着计算机多核技术的迅速发展，滤波算法的并行化已经成为提高算法效率的一个重要趋势。
