随着5G时代的到来,数字城市、智慧城市建设开始进入快速发展阶段。智慧城市是基于云计算、物联网等新信息技术构建的信息化城市,该建设的实施与发展对测绘领域城市建筑物模型构建提出更高要求,尤其在模型精细化方面,完整而精细的城市建筑物三维模型要求对立面做进一步详尽描述,因此针对建筑物立面模型构建以及立面细节信息提取进行研究十分必要。城市建筑物三维模型构建数据来源主要包括点云与影像数据,显而易见基于点云数据构建的建筑物模型精细化程度更高。目前,基于点云数据建筑物模型重建算法多针对Li DAR点云,如在建筑物轮廓提取基础上叠加DSM高程信息的建模方法,但此类方法所构建建筑物三维模型缺乏立面纹理信息,因此需要补充采集立面影像数据做纹理映射工作以进一步完善建筑物立面模型,且基于该方法构建的建筑物立面模型本质上仍没有实现三维化,难以满足未来智慧城市建设的要求。因此为充分发挥点云数据在建筑物立面模型精细化中的作用,本文对基于摄影测量手段获取的立面影像密集匹配（Dense Image Matching,DIM）点云滤波分类及细节提取方法展开研究,论文主要工作与创新如下:（1）阐述了DIM点云影像匹配生成原理,重点分析了影像匹配技术中用于相对定向的稀疏匹配与生成稠密点云的稠密匹配之间的联系与区别,并对比Li DAR点云对DIM点云数据特性及其在精细化立面模型构建方面应用优势进行分析总结,为后续DIM点云数据处理实验做准备。（2）建筑物立面DIM点云滤波。首先结合Li DAR点云经典滤波算法原理对DIM点云滤波算法研究进展作分析总结,将DIM点云滤波算法按照原理分为两类:一类主要是对Li DAR点云滤波算法加以改进以适用DIM点云,另一类则是针对DIM点云本身数据特性提出的滤波方法。然后,对立面DIM点云空间分布特性进行分析,将DIM点云噪声分为粗差噪声点和冗余噪声点两类,先采取半径滤波算法剔除冗余噪声点,而后对平面结构立面和曲面结构立面分别采取基于数学模型构建和Logistic回归算法的滤波方法对冗余噪声点进行剔除以提取准确立面DIM点云,为后续立面DIM点云细节提取实验做准备。（3）基于SVM算法的建筑物立面细节提取。首先分析概述SVM算法主要原理并对其分类模型构建解算方法进行阐述,然后针对不同立面细节的颜色特征差异选取立面DIM点云样本并基于点云颜色信息构建样本特征向量以训练SVM算法分类模型,最终实现立面细节分类提取目标。（4）本文创新点。不同于传统点云滤波算法以三维空间信息视角看待点云所含信息,将立面DIM点云所含空间几何信息及颜色信息视为学习对象的多维特征,通过特征组合构建特征向量,并借鉴机器学习分类方式,采取点云样本选取、分类模型训练、测试数据分类步骤对立面DIM点云进行滤波及分类提取实验,对机器学习算法在立面DIM点云数据处理中应用做出探索。