轻小型无人机激光扫描（light detection and ranging，LiDAR）系统集成了定位定姿系统（position and orientation system，POS）、激光扫描仪、相机等传感器，能够直接获取地球表面目标的高密度、高精度点云数据与光谱数据，相对于有人机载LiDAR系统，具有成本低、操作便捷、时效性高等优势。轻小型无人机LiDAR系统的高质量数据对POS的姿态精度提出了更高的要求，但高精度POS的体积和成本限制了轻小型无人机LiDAR系统的广泛运用。如何在消费级POS的基础上提高轻小型无人机数据获取质量，实现轻小型无人机LiDAR高质量数据获取是学界和工业界研究的热点，该方面面临着巨大的挑战，包括：消费级POS的误差组成复杂，难以用时变函数建模；轻小型无人机LiDAR系统由于消费级POS误差大导致光谱与点云数据融合难；轻小型无人机LiDAR系统由于单帧点云数据稀疏、匹配约束退化，仅利用消费级POS进行高精度定位定姿难。

因此，本研究以轻小型无人机LiDAR系统为研究对象，以攻克轻小型无人机LiDAR系统多源数据融合的定位定姿关键技术瓶颈为目标，具体研究内容与成果如下：

1）提出了基于动态网络的轻小型无人机状态估计方法，紧密融合高频惯性测量单元（inertial measurement unit，IMU）观测与其他观测数据，顾及了POS的原始数据误差，提高了轻小型无人机LiDAR系统标定精度，为后续异源数据匹配与多源融合定位定姿提供了有力支撑。

2）提出了基于非刚性匹配的光谱、几何异源数据匹配方法，实现影像、点云数据高精度匹配。利用运动结构恢复（structure from motion，SfM）计算序列影像的相对位置关系，用于修正消费级POS的零偏，从而获得高精度相机运动轨迹。以SfM获得的影像位姿与深度图为参考，迭代地消除激光与影像的匹配误差，实现光谱与点云数据高精度匹配（在相机空间达到像素级别，在三维空间达到0.13 m）。

3）提出了基于点云多层次匹配的多源数据融合定位定姿方法。设计了由局部到全局的点云层次匹配策略，有效提高了轻小型无人机系统LiDAR点云数据质量：将点云的平面拟合均方根误差从0.34 m降低到了0.07 m，平均检查点误差从1.86 m降低到了0.21 m，极大降低了轻小型无人机LiDAR系统对高端测绘级POS的依赖。