在自动目标识别领域，通常使用模板匹配方法完成对目标的识别与跟踪，模板的好坏在很大程度上决定了自动目标识别算法的效果，工程应用中，对于建筑物目标，一般使用轮廓线作为模板。本文借助环境仿真技术以及LiDAR点云数据处理技术，主要研究在考虑环境因素影响下对建筑物目标进行特征重建的方法，为搭建自动模板测试平台打下基础。　　本研究主要包括：基于LiDAR点云数据的建筑物轮廓线提取，环境仿真相关技术与方法研究，基于GPU的光线追踪算法研究与实现三部分内容。基于LiDAR点云数据，实现了从LiDAR点云数据中提取建筑物轮廓线的技术流程，提出了建筑物轮廓线关键点提取方法，实验结果表明，该方法可以有效的滤除噪声，提取出建筑物轮廓线上的关键点。针对在仿真中考虑光照等环境因素的需求，本文研究了环境场景仿真的相关技术，包括光照模型、光线追踪算法等，并提出了一种场景分割优化算法，实验结果表明，该方法可以有效提升光线追踪加速结构KD-Tree的创建速度。为了提升仿真场景的渲染速度，完成了基于GPU的光线追踪系统的详细设计，使用GPU平台并行实现了光线追踪算法，实验结果表明，与CPU中的计算速度相比，在GPU中执行光线追踪算法可以获得数倍的性能提升。