城市的三维模型是数字城市的基础。而建筑物的三维模型又是城市三维模型的重要组成部分。城区建筑物的三维空间信息可以由LIDAR精确、快速和自动地获取。然后由这些LIDAR数据经过三维重建就可以获得建筑物的三维模型。在本文中,我们研究了从LIDAR数据中提取建筑物三维模型的方法。由LIDAR数据获取建筑物的三维模型,其难点在于将散乱的LIDAR点云数据转换为有组织的,结构简单的,没有噪声的,无缝隙的三维模型。且生成的三维模型要求可以在计算机中被实时地渲染成二维图像。当前,大多数从LIDAR数据中提取三维模型的方法,一般分为三个步骤。第一步是将LIDAR数据中的无关三维采样点去除。这些无关三维采样点来自树木或者噪声。第二步是从剩下的LIDAR三维点中,将来自于建筑物和地面的三维采样点分开。第三步是由来自同一物体的采样点重建建筑物和地面的三维模型。在本文中,我们也采用上述流程来从LIDAR数据中提取立体目标。本文提出的方法中,第一步是LIDAR数据的预处理。在这个步骤中,无关的三维采样点被去除。LIDAR数据的预处理,是通过基于改进的协方差矩阵分析方法来剔除无关的LIDAR采样点。协方差矩阵分析是目前文献中广泛使用的方法。在本文中,我们通过使用多个不同的邻域来改进传统的协方差矩阵分析。对于每一个采样点,我们使用五个不同的邻域。对每个邻域进行协方差矩阵分析。从这些分析结果中,挑选最好的一个用来作为这个点的分析结果。并用这个分析结果提取该采样点的特征。改进的协方差矩阵分析可以应对传统方法无法应对的情况,因而适用范围更广。第二步是建筑物检测。其目的是将来自于建筑物的三维点和来自于地面的三维点分开。在这个步骤中,LIDAR点云被分为若干个连通域。对地面和建筑物的分类以这些连通域为最小单位。传统的分类方法是找出这些连通域中最大的一个,将其分类为地面,然后把剩下的连通域分类为建筑物。这个方法快速且有效。但是在某些情况下,却不能正常工作。当LIDAR数据中出现大量噪声或者高大的建筑物时,地面往往被部分遮挡,从而分解成许多小的连通区域。此时,最大的连通区域不一定来自地面,而较小的连通区域也不都是来自建筑物。在本文中,为了解决这个问题,我们在连通域上建立了马尔科夫随机场。对每个连通域,我们计算它的边缘概率密度函数,并根据这个概率密度函数对其进行分类。来自于某一类连通域中的所有LIDAR三维点被分类为对应类别。最后一步是建筑物和地面的三维模型建立。建筑物三维模型的几何结构通过2.5维对偶轮廓建模法获取。地面的三维模型使用数字表面模型,通过拉普拉斯插值获取。地面和建筑物三维模型的纹理,由LIDAR数据采集时获取的可见光纹理图像生成。对于某些特殊的应用,需要生成带异谱纹理的三维模型。本文提出了一种基于异谱图像配准技术的异谱纹理制备技术,以生成带异谱纹理的三维模型。本文的实验结果表明,改进的协方差矩阵分析可以提高对无关点的分类效果。基于马尔科夫随机场的分类技术,可以正确的区分来自建筑物和地面的LIDAR三维点。并且,分类结果要比传统的分类方法更加鲁棒。另外,本文提出的带异谱纹理的三维模型重建方法,也能正确的重建出不同谱段的三维模型。