随着知识经济和信息社会的发展,“数字城市”代表着世界新的潮流和城市发展的方向,逐渐成为社会未来发展的必然趋势。作为城市中最重要的组成部分,建筑物信息有效提取已经成为研究的关键。机载LiDAR是一种新型的主动式遥感技术,可以获取大量的高密度高精度的3D激光数据。因此,机载LiDAR数据已成为建筑物提取和模型重建不可替代的数据源。本文针对机载LiDAR点云数据中的滤波、建筑物点云提取及建筑物三维重建进行了研究分析,具体内容如下:(1)基于布料模拟的点云滤波方法。该方法是近年提出的一种全新的机载LiDAR点云滤波方法,其思想完全独立于传统的地面滤波思想,且滤波效果理想。本文将该方法与数学形态学滤波、基于坡度滤波算法进行对比分析,布料模拟滤波算法适应性最好,精度最高,但不能区分连接到地面的桥梁,会将桥误分为地面点。本文将使用LiDAR点云的几何信息结合多光谱图像,以清晰地区分桥梁与道路,更加有效分离地面点和非地面点。(2)提出一种基于直方图的建筑物点云提取方法。首先基于开源点云库(Point Cloud Library,PCL)对滤波后的LiDAR数据进行区域生长分割,针对区域生长分割后得到的每个集群中的点云,计算其局部法向量和法向量的方向余弦,并生成直方图。根据植被集群与建筑物集群直方图的分布特点,将建筑物与非建筑物分离,完成建筑物点云的提取,并为建筑物重建打下基础。结果表明:本文的建筑物提取结果精度较高,有较小的Ⅰ类提取误差和Ⅱ类提取误差。(3)改进了基于拓扑图的建筑屋顶模型重建方法。首先基于RANSAC对屋顶点云进行分割;其次利用Alpha-Shape算法得到建筑物边界点,根据屋顶面片相交关系得到屋脊线和屋顶拓扑图,再通过建筑物边界与屋顶拓扑图的结合完成屋脊线拓展,进而得到相关屋顶面的其它关键线段;最后基于提取出的屋顶关键线段构造出屋顶各面片的封闭多边形,通过屋顶面片外边界到地面的高度来构建墙面,从而构造完整的建筑物三维模型。实验表明,屋顶点云和屋顶模型贴合度较高,并能正确重建紧靠主体建筑物的地面附属建筑物,保证建筑物模型的几何精度。