三维激光扫描技术凭借其扫描精度高、速度快、便携等优点,可以轻易获取扫描对象表面上百万的点云数据,已成为一种高效的空间数据获取技术手段。因此加快点云数据处理速度从而提高数据的利用率是当前研究热点之一。然而当前特征点的选取大多数通过切片投影、构建三角网格、基于单一微分特性等方法对点云数据的特征点直接提取,存在受点云密度、局部场景干扰导致错提、漏提的不足。基于此,本文提出基于RANSAC和CSF的点云分割、双阈值特征提取的思路,探讨一套适合城市常见建构筑物的三维点云数据的特征点的自动提取方法,实现用少而有效的点描述扫描对象。研究结果如下:（1）对比分析了移动背包三维激光扫描系统及其获取、处理数据的优势所在,对背包系统分别在某教学楼和地下管廊进行扫描获取的POS数据在轨迹及SLAM的解算后得到原始点云数据。（2）选地下管廊的某段点云共1526615个数据点为算法测试数据,得到基于RANSAC算法有效避免过度分割和分割不足现象。对管廊原始点云数据分段分割提取,设置阈值t、采样分辨率、最小点个数,分割出4649004个只包含地下管廊整体轮廓信息的面状点云数据。（3）由于教学楼点云数据包含了地面及地物的信息,所提取的建筑物点云属于非地面点,梯度滤波算法去除了大部分的地面点云数据,但仍有一部分的残余的点云漂浮在地面之上,采用CSF滤波,设置布料网格大小、最大迭代次数、判断是否为地面点的阈值,分割出6010353个只含有地上建筑物点云数据。（4）对分割出的点云数据基于PCA算法将判断点及其近邻点投影到微切面上,通过把投影点所构成的相邻向量夹角差值的最大值和角度阈值对比,提取出边界点;再利用k-均值聚类算法对法向量进行聚类的方法提取出折边点。共提取管廊数据特征点158274个,剔除率96.09%;提取教学楼特征点369001个,剔除率93.86%。（5）统计基于所提取特征点构建三维模型与原始点云对应的地物间距的相对精度,得到教学楼三维模型数据中误差为0.097米;地下管廊三维模型数据中误差为0.063米。试验结果表明,该方法能够有效快速地提取出建构筑物点云数据中的特征轮廓目标,提取的轮廓清晰完整,与原始点云能准确符合。在保留轮廓特征的同时精简了数据,为三维点云数据的高效利用奠定了基础。基于提取的轮廓点云进行三维重建时,因去除了点云数据中大量冗余数据,使数据占用更少的存储空间,从而实现快速准确重建扫描对象,提高了整个重建过程的效率和模型的精度。