随着无人机和计算机技术的快速发展,高质量、高精度的建筑物三维建模技术已经成为文物保护、智慧城市等领域的研究重点。尽管无人机倾斜摄影测量模型已经能够客观的、真实的反映出实景建筑物,但由于近地面和遮挡的部分影像采集的不全面,使建筑物模型立面的精细度、完整度等方面仍存在不足和缺陷,并且影像具有视角和尺度差异大的特点,存在影像匹配精度较低的问题,导致重建的建筑物三维模型质量较差,无法满足精细化的需求,因此本文针对建筑物精细化三维重建存在的问题,采用从粗到细的建模方法,在建筑物初始点云模型的基础上规划建筑物立面贴近摄影航线,并对三维重建过程中的无人机影像匹配和点云模型配准展开研究,通过将建筑物初始点云模型和立面点云模型配准融合,对建筑物初始点云的立面信息进行填补,实现精细化的建筑物三维建模。主要研究内容有:（1）针对倾斜摄影测量采集建筑物立面信息不足导致模型立面纹理扭曲空洞的问题,提出了以建筑物初始点云模型为基础规划贴近摄影航线的方法,来补充建筑物立面信息。首先采用单镜头无人机在建筑物顶部航拍采集初始信息,以获得的建筑物初始模型为引导规划立面贴近摄影航线,根据航高、重叠度和无人机视野大小计算全覆盖建筑物立面的无人机视点位置,利用蚁群算法将有序视点规划出最优贴近摄影路径,完成高分辨率的建筑物立面影像采集。（2）针对无人机序列影像视角和几何形变较大导致难以获得可靠特征点的问题,提出一种基于无人机位姿信息改进仿射尺度不变特征变换的特征提取算法,提高了特征点的稳定性和匹配效率。由于误匹配较多导致匹配精度低,提出基于最近邻比值法和渐近样本一致性算法的误匹配剔除,完成无人机影像的精准匹配。实验表明,该方法提取的特征点更多,算法效率和匹配正确率更高。（3）针对建筑物初始点云模型和立面点云模型配准精度低和稳定性差的问题,提出一种基于内部形状描述子和3D形状上下文特征的初配准和改进迭代最近点的精配准相结合的配准方法。首先基于内部形状描述子和3D形状上下文特征提取出分布更加均匀的特征点,基于采样一致性配准算法完成粗配准。为了进一步减少配准误差,再基于法向量约束的迭代最近邻点算法实现建筑物初始和立面点云模型的精配准。实验表明,该方法能够达到较高的配准精度。以校园中单体建筑物为例,基于单镜头无人机采集影像数据,完成无人机影像精准匹配和建筑物初始和立面点云模型的配准融合,得到完整的建筑物模型。从模型精度和纹理结构两方面对建筑物倾斜摄影模型和本文融合建模模型进行对比分析,本文融合建模模型精度较高,细节纹理清晰,实现了建筑物精细化建模,说明了本文方法的有效性和可行性。