地理信息的时代的悄然来临,使得数字城市发展迎来高峰,无人机因其具有低成本、便捷、自动化及更新数据效率高等特点,被广泛应用于侦测建筑物快速发展地区和城市高速变化区域。无人机影像是超高分辨率的影像,相对于卫星的高分影像,无人机影像纹理清晰不连续、光谱分割难、相同地物不同光谱、不同光谱相同地物、建筑物与周边地物无法识别,单纯利用平面的影像信息很难获得有效的变化检测结果。利用无人机影像立体像对进行密集匹配,形成密集点云、立体模型,借助地面控制点布控,可以很有效地获取精度较高的三维数据,通过迭代配准后,可以应用于快速的变化检测。本文的主要研究内容为:(1)针对无人机影像处理的特点,使用SIFT算法进行特征匹配,再对匹配出的同名像点使用POS端联合控制点进行光束法平差空三匹配,再通过PMVS算法进行加密获得整片点云。最后通过严密的精度评价,判断出此次密集匹配的精度平面控制在厘米级,高程则控制在1m,完全符合实验要求。(2)改进ICP算法:将整个点云按照合适的密度进行分割,构建ICP初匹配特征,同时使用曲率和灰度信息作为匹配特征,计算欧式距离最小,加速点云匹配的效率,此算法不需要特定位置的标定,只需要特征信息,所以能够有效匹配两期点云,误差控制在厘米级。(3)基于两期数据配准后,复杂程度使得地面地物分离出现大难题,本文采用近些年提出的CSF算法进行分离地面点,实践证明CSF算法针对配准后的点云能最大程度的保证建筑物点云的完整,而且在复杂点云配准后能最大限度分离地面点,使得构建差分DSM具有很好的效果。(4)整理建筑物提取和变化检测的干扰因素,并且针对每一项干扰因素提出应对策略,分析得到利用航空影像或者三维数据都难以获取理想的效果,高大建筑物会造成阴影遮挡,有效的将高大建筑物和低矮建筑物分为两种对象,使用双阈值思路对高层建筑物采用先平面检测后高程变化检测,对剩下的低矮建筑物形成的点云采用射线法构建轮廓区域,综合高程形状面积等因素对变化区域进行检测,再通过Voronoi图投票获取最佳区域,最后针对论文处理结果分析其检测精度以及时间效率。