激光雷达测量(LiDAR)作为一种快速获取空间数据的新手段,广泛应用于在地球空间信息科学领域。尽管机载LiDAR测量的硬件发展已经相当成熟,但是机载LiDAR点云数据处理的理论和方法仍处于探索阶段,许多问题还有待解决。点云数据的滤波、目标识别分类和建筑物三维重建是机载LiDAR点云后处理的几个关键问题。本文以面向对象影像分析理论为指导,结合点云数据结构特点,在研究点云分割的基础上,深入探索和研究了点云滤波、点云分类和建筑物三维建模等问题。主要研究内容及创新点概括如下:1.简要介绍了机载LiDAR系统的定位原理及结构组成,分析了机载LiDAR技术的特点及优势,归纳并总结了点云滤波、点云分类和建筑物三维重建涉及的热点和难点问题,为实际工程应用和后续算法设计提供必要的理论依据。2.针对表面生长点云分割算法实现过程中存在的参数多、计算繁琐、需要反复尝试等不足,提出了一种基于法向量和距离特征的表面生长点云分割优化算法。在表面生长过程中,融合了聚类思想,设定邻近点到种子平面的距离阈值、邻近点与种子点之间的法向量角度差阈值作为相似性度量准则,有效地提高了点云分割结果的准确性。另外,又引入了标号判别竞争机制,进一步改善了点云分割结果的精度。此分割算法根据表面生长种子点的选取不同,可派生为平面生长点云分割算法和光滑表面生长点云分割算法。相关试验表明,提出的平面分割算法对建筑物、道路等人工地物点云的分割效果较好;而提出的光滑表面分割算法对城区或农村地区等自然地表分割效果较好。同时,这两种点云分割算法分别是后续点云处理研究的基础。3.针对陡坎、悬崖等带有地表结构线特征的突变地形及地物结构复杂地区,设计并改进了一种光滑表面分割支持的不规则三角网(TIN)渐进加密点云滤波算法。将光滑表面生长点云分割结果添加到TIN渐进加密点云滤波过程中,增强了初始地面模型的准确性,进而改善了经典TIN渐进加密点云滤波算法的不足。试验分析表明,改进的TIN渐进加密点云滤波算法继承了经典TIN滤波算法的良好性能,同时也能更好地保留地形结构线附近的地面点及地物结构复杂地区的地面点,显著地提高了点云滤波质量。4.在平面生长点云分割算法研究的基础上,重点研究并提出了一种面向对象的城区机载LiDAR点云分类算法。着重研究了地物点云的特征向量优化选取策略及智能分类方法设计等问题。以平面生长分割面片作为处理的基本单元,提出了一组用于描述地物点云几何特性、形状特性、高程纹理特性、回波特性、辐射特性的特征向量,使用RBF-SVM分类器对分割后的点云进行分类,并对初始分类结果进行三维拓扑分析优化,进一步改善了点云分类结果。试验结果表明,本文的分类算法对于城区内的地物点云具有良好的分类效果,尤其对地面、建筑物具有很高的分类精度。5.重点提出并实现了一种面向对象的LiDAR点云城区建筑物三维模型重建方案。主要包括三个创新点:(1)以点云分类结果为基础,提出并实现了一种基于TIN和连通成分分析的单栋建筑物脚点自动检测算法,实现了单栋建筑物的正确分离;(2)以屋顶三维几何基元为基本单元,提出了一种建筑物屋顶规则边界线的自动提取算法;(3)以屋顶三维几何基元为基本单元,提出了一种屋脊线(或屋谷线)等重要屋顶线特征的自动提取算法。同时,针对复杂建筑物屋顶的高程阶跃线等重要结构线特征难以自动提取等问题,研究并实现了人工辅助的半自动提取方法。重建试验结果表明,本文提出的建筑物重建方案能正确重构不规则、复杂多层或高层建筑物的三维轮廓模型,能够适用于机载LiDAR点云数据中城区大部分建筑物的三维重建工作。