高精度DEM提取,建筑物三维重建一直是测绘、遥感领域的研究热点。目前摄影测量技术仍然是获取大范围3D地貌、大场景数字城市三维重建的最经济快捷的手段,但其处理的自动化水平仍旧较低,需要大量的人工干预与编辑来完成3D重建。近年来,机载激光雷达技术(Airborne Light Detection and Ranging, LiDAR)的迅猛发展,为快速获取大范围地形地貌、数字城市三维模型提供了一种新的解决方案。LiDAR点云滤波是该技术较早展开研究的一个问题,尽管国内外已有许多的学者针对LiDAR数据的特点,设计了许多不同的点云滤波方法,并取得了不少的研究成果,但是这些方法很大程度上主要针对某一特定地形类别,通用性不够,特别是在复杂环境下的滤波结果仍不够理想。另外,建筑物检测方面,在植被覆盖程度高,特别是建筑物与树木毗邻情况下,有效而完整地提取建筑物轮廓也是一个不容忽视的问题。此外,在建筑物模型三维重建方面,已有的方案普遍侧重于由平面组成的屋顶的三维重建,有关曲边、曲面屋顶重建的论述尚不多见。基于此,本文开展了机载LiDAR点云数据滤波与建筑物三维重建的研究。本文以LiDAR点云数据为基础,深入地研究了复杂环境下点云数据滤波、建筑物检测和建筑物模型重建过程中所必要的关键技术,着重研究了如何利用等高线来重建建筑物三维模型。文章的主要研究内容如下：1)研究了基于多尺度分析的LiDAR点云滤波算法。通过LiDAR点云构建多尺度格网,采用局部统计分析的方法,并顾及多尺度地形描述误差,自适应地确定多尺度地形反演时的滤波阈值参数,逐级筛选地面点云,提取高精度DEM。2)研究了等高线树的构建及等高线分族。研究了等高线的空间拓扑关系以及等高线树的表现形式,在此基础上提出了一种基于父节点跟踪的方法来构建等高线树。基于等高线树通过剪枝操作可以实现等高线的粗略分族,再通过本文提出的基于对应点集的等高线匹配方法进行等高线形状相似性匹配,最终完成等高线的精确分族。对等高线进行分族是后续的建筑物三维重建的基础。3)研究了复杂环境下的建筑物检测算法。提出了一种融合等高线族特征和常规特征的渐进式建筑物检测方法。通过首末次回波高程差、nDSM高程、粗糙度、形态学特征实现建筑物的初步检测,然后以等高线为研究对象,计算等高线族的多次回波点密度和形状特征参数,剔除非建筑物区域,实现建筑物的稳定提取,在很大程度上解决了建筑物与树木的毗邻问题。4)建筑物三维模型重建研究。提出了基于等高线族分析的三维模型重建方案。通过等高线分族,实现了多层次结构建筑的局部分割。研究了二维平面上不同类型模型的等高线族特征；针对点云数据获取的等高线的“Z”型噪声问题,提出了一种基于“极化角点指数”的曲线重建算法。在此基础上,结合等高线族特征和曲线重建结果实现分层模型的类型识别。根据模型类型识别的结果,灵活地选用不同的重建方法完成分层模型的重建,最后根据一定的合并规则,集成分层模型实现整个建筑物模型的重建。实验验证了方法的有效性。