随着人类社会的不断进步,各种各样的大型建筑物如雨后春笋一般拔地而起,成为现代化城市不可或缺的一部分。然而,在建筑物的使用与建设过程中,由于受到内在或者外在因素的影响,建筑物很容易发生沉降和变形的现象,这将会给社会和人民的生命财产安全带来巨大的威胁。因此,对大型建筑物进行变形监测具有非常重要的现实意义。三维激光扫描技术作为一种新的测量技术,因其具有快速,高精度,非接触的特点而得到广泛的应用。但是,运用该项技术得到的点云数据具有数据量大、冗余度高、杂乱无章等特点。因此,如何从庞杂的点云中提取出点云数据的典型特征已经成为变形监测的研究热点。其中,平面特征和线特征作为建筑物的最主要的几何信息,可以准确的反映出建筑物的位移变形情况。为了能够有效的提取出建筑物的平面特征和线特征,本文以武汉理工大学南湖校区新图书馆的点云数据为例,基于张量投票和高斯图聚类的相关理论,在Matlab软件平台上深入细化地对如何准确的提取建筑物的变形特征(平面特征和线特征)开展了研究,主要研究内容包括以下几点:(1)大型建筑物点云数据的面特征提取。面特征作为建筑物最重要的几何特征之一,可以很好的反映建筑物各部位的位移变化情况。为了能够准确的从庞杂的点云数据中提取出建筑物的面特征,本文首先基于张量投票的相关理论提出了一种多尺度的张量投票法,并运用该方法进行种子点的选取。然后,再结合区域成长的相关理论进行建筑物点云数据的面特征提取。(2)大型建筑物线点云数据的线特征提取。线段特征作为建筑物另一个重要的几何特征,可以很好的反映出建筑物整体的位移变化情况。而建筑物的特征线具有多样性,单纯的利用传统的拓扑关系往往会忽略尖锐特征边界线的提取。针对这一问题,本研究首先根据点云之间的拓扑关系对点云数据中的线特征进行标记。然后,本文基于高斯图聚类的相关理论提出了自适应高斯图聚类法,将剩余具有尖锐特征的线特征进行标记。将建筑物的面特征和线段特征应用于建筑物的变形监测过程中,可以从整体和局部上反映建筑物不同部位的位移变化情况。首先通过提取建筑物平面信息的方法来排除非建筑物点的影响,在一定程度上减少了点云的数量,提高了计算效率和精度。然后,再结合两种线特征提取方法对不同种类的线特征进行分类提取,弥补了传统方法在提取尖锐特征边界线方面的不足,提高了线特征的提取精度。