随着科技进步,虚拟现实与数字城市的应用越来越广泛且日新月异,而建筑物作为城市地区的最主要的地物要素之一,是摄影测量与遥感等领域中地物信息提取和建模研究的主要对象。近几十年来,国内外大量学者开展了基于高分辨率遥感影像的建筑物(半)自动建模的研究,在理论和技术上都取得了很大发展和突破,然而其建模的自动化(即使是半自动化)问题也还远没有解决。机载激光雷达是一种新型的主动式传感器,它可在较短时间内直接获取海量高精度、高密度的地物表面三维点云,是一种经济、高效的地表三维空间数据采集技术,因此机载LiDAR数据已逐渐成为建筑物模型重建的重要数据源。现有基于机载LiDAR数据的建筑物建模的研究内容主要集中于提高建筑物模型的几何精度和建模过程的自动化程度,但是针对建筑物模型的规范化的研究相对较少；另外现有方法往往自成体系,较难引入外部可靠的建模知识,为了提高复杂建筑物的建模精度和规范化程度,研究具有良好外部扩展性的建模方法是本文的另一个重要出发点。针对上述研究目标,本文研究利用机载LiDAR数据生成规范化建筑物模型的各项关键技术,本文的主要研究内容和创新成果如下。(1)机载LiDAR数据滤波和建筑物检测针对山区或地形起伏较大的城区滤波精度不高的问题,对经典的TIN滤波算法进行了改进,进而提出一种顾及地形的机载LiDAR数据滤波算法,主要改进之处包括：利用随机格网搜索算法提取初始地面点,引入顾及地形的判断准则—地形预测角,基于加密优先级的滤波过程。针对建筑物脚点检测问题,本文提出一种基于迭代张量投票的建筑物检测算法：首先利用协方差矩阵计算出点云的平整性特征,并根据平整性特征对机载LiDAR数据进行张量编码；然后针对张量投票过程中信息累计的问题,提出应该在投票过程中进行自适应“归一化”处理,然后设计了一种迭代的张量投票算法；最后通过对点云的张量分析检测出建筑物脚点。(2)建筑物轮廓线提取和顾及语义的精化现代城市建筑物模型结构复杂、形态多样,因此从机载LiDAR数据提取建筑物轮廓线还比较困难,针对该问题,本文提出一种建筑物轮廓线提取和顾及语义的精化方法,该方法主要由轮廓线粗提取和轮廓线精化两个步骤构成：利用双双阈值的Alpha Shapes算法和基于最小二乘的轮廓线化简算法来进行轮廓线粗提取；提出一种适用于矩形建筑物的语义函数,将其作为优化目标,然后设计了用于轮廓线精化的遗传算法。(3)基于改进RANSAC算法的屋顶面分割针对传统的RANSAC算法在进行复杂屋顶面分割时存在效率低、分割精度不高的问题,本文提出了一种融合区域增长法和RANSAC方法优点于一体的合成算法,首先根据脚点的法向量和粗糙度特征进行屋顶面粗提取；然后在屋顶面粗提取结果的基础上,利用基于先验知识的局部采样策略和区域增长方式对传统随机抽样一致性算法进行扩展,实现屋顶面自动提取；最后采用投票法解决屋顶面竞争问题,提高屋顶面的提取精度。(4)基于降维思想的建筑物实体模型生成利用机载LiDAR数据重建建筑物实体模型是一个高度复杂的问题,为此,本文提出一种“二维特征线组合-三维模型生成”的建模技术路线,主要创新在于：基于降维思想的建模方法有助于简化建模过程,处理算法可以专注于解决平面或高程的规范化问题,另外,在“二维特征线组合”问题中也比较容易引入人工知识,从而提高复杂建筑物模型的规范化程度。