La filtración de nube de puntos es un paso crucial en la mayoría de las aplicaciones de detección de luz y alcance aéreo (LiDAR). Muchos algoritmos de filtrado han sido propuestos, pero el efecto de filtrado tiene algunas limitaciones en entornos complejos. Para mejorar el efecto de filtrado en terrenos complejos, se propone un filtro adaptativo de múltiples niveles (MAF) que combina la reconstrucción morfológica y la interpolación de placa delgada (TPS). El modelo digital de elevación (DEM) generado en cada iteración se utiliza como imagen de marcador para la reconstrucción morfológica con el fin de extraer píxeles de suelo, y se logra un umbral residual adaptativo utilizando el gradiente del terreno como compensación. El conjunto de datos de referencia proporcionado por la Sociedad Internacional de Fotogrametría y Teledetección (ISPRS) y otro conjunto de datos LiDAR en el noroeste de China se utilizaron para evaluar el rendimiento de filtrado de MAF. Para el conjunto de datos de referencia de ISPRS, MAF obtuvo el menor error total promedio (3.72%) y el coeficiente kappa promedio más alto (87.16%) en comparación con ocho algoritmos de filtrado clásicos. Para el conjunto de datos en el noroeste de China, el DEM generado a partir del resultado de filtrado de MAF obtuvo una precisión más alta que el resultado de filtrado de . En general, el MAF logró resultados prometedores sin considerar la selección de la ventana de filtrado, lo que puede mejorar la robustez y aplicabilidad del algoritmo en diferentes entornos.