建筑物的三维密集点云,可精细表达建筑物的结构,应用前景广泛。针对以往建筑物三维重建自动化水平低的问题,本文致力于研究基于建筑物序列图像的密集点云生成处理及应用技术。主要研究内容如下:(1)研究了一种基于局部区域统计信息自适应SIFT特征点检测算法。通过计算局部区域灰度值的均值与建筑物灰度值的差异自适应调整SIFT参数,解决了建筑物上局部区域检测到的特征点过少的问题。实验表明本文改进的特征点检测算法用于后续三维重建会减少建筑物之外杂点的产生,并且在局部区域更佳清晰。(2)研究了报文处理和三维重建中的坐标标定算法,并利用报文检测算法对海信达全站仪的数据接收进行处理。针对报文接收过程中存在的丢包而污染下一组报文的问题,读取报文内容的同时检测报文头,从而获得准确的位置信息,将其用于三维重建中的坐标转换,得到三维重建的真实坐标。实验表明本文提出的报文处理及坐标转换算法能够得到建筑物的准确真实坐标。(3)研究了一种基于友元聚类和建筑物几何特性对建筑物杂点去除算法。通过对杂点空间结构的分析,提出了基于友元聚类算法去除远离建筑物杂点和基于建筑物的几何特性去除建筑物上杂点的两种算法。实验表明本文提出算法能够较好的去除建筑物杂点。(4)研究了一种基于点法向量不一致性提取建筑物的边缘点,获取建筑物的基本轮廓,将其投影到建筑物纵向平面上,在投影面上计算建筑物的建筑面积。实验表明本文提出的算法估算出的建筑物面积与实际测量面积误差在5%以内。