فیلترینگ مدل های رقومی سطح (DSM) برای برنامه های کاربردی مانند برنامه ریزی محیطی، به روزرسانی نقشه یا تشخیص ساختمان موردتوجه است. فیلتراسیون زمین، حذف نقاط متعلق به اشیاء بالاتر از سطح زمین به منظور بازیابی نقاط زمینی است که برای تولید مدل رقومی ارتفاع (DSM) استفاده می شود. ابرهای نقطه ای لایدار موفقیت های بسیاری در ارایه ی عوارض داشته اند اما از آنجا که اخذ داده های لایدار هنوز یک فرآیند پرهزینه است، استفاده از ابرهای نقطه تولیدشده از فرآیند فتوگرامتری برای تولید DEM یک راه حل مناسب است. بااین حال، بیشتر الگوریتم های فیلترینگ برای داده های لایدار طراحی شده و به تنظیم تعدادی از پارامترهای پیچیده برای دستیابی به دقت بالا نیاز خواهند داشت. درعین حال زمان پردازش، میزان تاثیرگذاری درصحنه های مختلف و میزان اتوماسیون این روش ها نیز حایز اهمیت است. پیچیدگی های صحنه و توپوگرافی، برای نمونه در مناطق شهری فرآیند فیلتراسیون زمین را با چالش بیشتری مواجه می کند. برای کسب نتایج بهینه کاربران باید پارامترهای مختلف را تا زمانی که نتیجه مطلوب فیلترینگ را پیدا کنند امتحان نمایند، که فرآیندی وقت گیر و پرهزینه است. به علت عدم وجود بررسی جامع از میزان کارایی، اتوماسیون و پیچیدگی های محاسباتی روش های فیلترینگ مختلف بر روی ابر نقاط حاصل از فتوگرامتری، در این پژوهش الگوریتم های مختلف مطرح و پرتکرار در این زمینه ی مطالعاتی با یکدیگر مقایسه شدند. درعین حال، روش های موردمطالعه از منظر کیفیت فیلترینگ کلاس ها، زمان پردازش ها (مدت زمان اجرایی)، پیچیدگی های صحنه و تعداد پارامترهای الگوریتم (بیانگر میزان دخالت کاربر در پردازش داده ها برای میزان اتوماسیون) مورد تحلیل قرار گرفت. نتایج این تحلیل می تواند در راستای شناخت بهتر عملکرد اجرایی روش های فیلترینگ بر روی ابر نقاط حاصله از تصاویر باقدرت تفکیک بالا (DSMهای حاصله از تصاویر هوایی و پهپاد) مثمرثمر باشد و به عنوان یک راهنما در جهت کمک به محققان برای تصمیم گیری در انتخاب الگوریتم مورداستفاده با توجه به پارامترهای زمان، سخت افزار، منطقه و میزان دقت خروجی مفید باشد.