建筑物自动提取和三维重建一直是摄影测量与遥感领域的热门研究内容。机载激光雷达数据近几年成为建筑物提取最受欢迎的数据之一。尽管机载Li DAR点云数据能提供地物的三维信息,但点云的离散性会导致部分相关性特征缺失;且从高程相似的非建筑物区域中精准提取建筑物点云有一定困难;考虑到每种物体表面所呈现的纹理特征不同,纹理之间的边界能很好的对应于图像中目标区域的边界。因此,本文将点云纹理特征用于建筑物点云提取中,进而提取出更精确的建筑物点云。采用由国际摄影测量与遥感协会（International Society for Photogrammetry and Remote Sensing,ISPRS）工作组提供的国际通用标准建筑物提取实验数据,本文研究工作主要如下:（1）基于点云高程图和强度图生成纹理特征。本文采用四种方法（灰度共生矩阵法（GLCM）、局部二进制法（LBP）、Gabor滤波器以及小波变换（WT））分别基于点云高程图和强度图生成纹理特征。实验证明:不同方法生成的纹理特征在建筑物和非建筑物区域的表现不同,点云高程图生成的纹理比强度图生成的同种纹理在建筑物与非建筑物区域的纹理区别更明显。（2）融合点云纹理特征的建筑物点云提取。点云几何特征分别结合四种纹理特征组成五种特征集合（JH、JH+GLCM、JH+LBP、JH+Gabor、JH+WT）,选择五种特征集合Relief F特征排序后40%～100%特征比例的特征组合实现建筑物点云提取。实验结果表明:1)JH+GLCM、JH+LBP、JH+Gabor、JH+WT四种特征集合建筑物提取精度最大值高于仅用点云几何特征（JH）的建筑物提取结果,加入纹理特征能降低仅用几何特征建筑物提取结果中的错分率和漏分率,提高部分建筑物的边缘信息识别效果;2)GLCM和LBP两种纹理特征相较于Gabor和WT两种纹理特征在建筑物顶面较复杂区域表现出较好建筑物提取结果,结合GLCM纹理与LBP纹理的特征集合得到的建筑物提取精度一般都高于Gabor纹理与WT纹理集合;3)基于高程图生成的四种纹理特征比基于强度图生成的四种纹理特征更有利于建筑物点云提取,具有更低的建筑物点云漏提取率和误提取率。（3）高差和面积约束区域增长算法对初提取的建筑物点云进行后处理。该方法针对初提取结果中的漏提取和误提取建筑物点云,精细化建筑物提取结果。实验证明:区域增长后的建筑物提取平均完整率能达90.1%,平均正确率为97.0%,提取质量为89.3%;该方法能有效剔除初提取结果中的误提取碎片区域,后处理过的建筑物点云结果稍加人工填补小面积漏提取建筑物区域就能用于后续应用。