近年来,在信息技术的飞速发展下,“数字城市”概念被提出。三维城市模型作为当前“数字城市”建设的中心内容,在城市设计、通讯产业、土地管理、交通、电力、城市管网、水利、消防等各行各业中的需求日益增长。城市建筑物的三维重建与可视化是建立三维城市模型的重点和难点。从经济性、适用性出发,城市建筑物三维重建研究的主要目标是：高效,经济,准确的建立足够细节的三维模型。随着机载LIDAR技术的不断发展和广泛应用,基于LIDAR点云数据的建筑物模型重建技术变得越来越有研究价值。LIDAR数据与影像数据具有各自的优缺点,二者具有很好的互补性。LIDAR系统可以直接、大面积、快速获取地面物体的三维大地坐标,但因无法获取地面物体的纹理等细节信息,直接利用LIDAR点云数据提取建筑物非常困难。从影像数据获取的地而物体信息,拥有丰富的纹理细节信息,直接利用影像建立立体相对来获取地面物体的三维坐标点同样是一个非常困难的问题。因此,利用LIDAR技术获取的精确点云数据三维坐标与影像数据提供的丰富纹理信息相结合,对LIDAR数据进行分类、提取,建立三维城市模型具有重要的现实意义。本文在总结了前人的研究成果的基础上,利用LIDAR点云数据与DSM深度影像结合提取城市建筑物。首先,利用两级格网对LIDAR数据进行存储管理,采用最临近插值法将LIDAR点云生成DSM深度影像。利用图像处理技术,对DSM深度影像进行图像变换、图像二值化等操作,并通过图像边缘检测技术提取建筑物边缘。采用标号法选取LIDAR点云数据与DSM深度影像匹配所需同名点,借助于选取的若干同名点,利用平差理论求解LIDAR点云数据与DSM深度影像匹配参数,从而建立两者的匹配关系。最后,通过DSM深度影像提取的建筑物边缘以及其与LIDAR点云数据建立的匹配关系,粗略提取出LIDAR点云数据对应的建筑物的边缘,并以此为基础,利用坡度差分法及区域增长法精确提取LIDAR点云数据的建筑物。本文主要研究内容如下：(1) LIDAR数据的预处理：分析讨论了LIDAR数据特点,简要介绍了几种常用的数据组织存储方式,并总结了每种方式的优缺点。在此基础上,本文利用改进的坡度滤波对原始LIDAR数据进行处理,剔除了LIDAR数据可能存在的粗差。为了能够更好地表现实验区域的地表信息,本文利用最临近插值法生成DSM,并根据LIDAR数据高程信息,将生成的LIDAR数据DSM灰度量化成对应的DSM深度影像。(2)DSM深度影像预处理：由于本文需要利用生成的DSM深度影像,提取影像建筑物轮廓,因此借助于图像处理技术对DSM深度影像进行预处理。为了扩展图像的对比度,使图相的特征变化比较明显,本文首先利用分段线性变换对DSM深度影像进行灰度变换,然后,利用Outs法对DSM深度图像做了二值化处理,将图像大致分为建筑物区域和非建筑物区域,最后利用Canny边缘检测,提取建筑物大致范围。(3) LIDAR建筑物精确提取：由于本文在对LIDAR数据与DSM深度影像匹配时,只是进行粗匹配,对匹配精度要求不高,因此在介绍了传统影像匹配算法后,提出了算法相对简单的匹配方法。该方法首先利用标号法选取LIDAR数据与DSM深度影像匹配时所需若干对同名点,然后利用选取的同名点,求取两者匹配参数,通过匹配参数,建立LIDAR数据与DSM深度影像对应关系。该方法算法简单,易于编程实现,提高了LIDAR数据与DSM深度影像匹配效率。在LIDAR数据与DSM深度影像匹配基础上,利用DSM深度影像提取的建筑物边缘,通过两者间建立的匹配关系,便能确定LIDAR数据建筑物的大致范围。但是,要精确提取建筑物轮廓,还必须对提取的建筑物范围进行进一步处理。本文提出利用基于坡度差分的方法,剔除掉剩余LIDAR数据中的非建筑物点,并利用区域增长的方法,最终精确提取建筑物轮廓。本文主要研究成果如下：(1)本文在传统规则格网的基础上,提出了基于两级格网的LIDAR数据组织,该算法相对简单,易于编程实现,并提高了数据处理效率。(2)本文提出利用标号法进行同名点的选取,避免了使用鼠标交互操作选取同名点带来的误差,直接建立DSM深度影像与LIDAR数据点的匹配关系,可以很大程度的提高同名点选取的精度,保证了影像匹配准确性,并且该算法相对简单,易于编程实现,实现了影像匹配的自动化。(3)本文在获取影像建筑物区域的同时,也获取了对应的LIDAR数据建筑物区域,为后续三维模型的建立以及其他领域的应用提供了矢量数据基础。(4)利用VC++完成了“LIDAR数据提取建筑物软件系统”的研制。