机载激光雷达测量技术是一种能够对地表进行直接观测的测量技术,该技术近年来发展迅速,在数字城市建设等领域广泛应用。机载激光雷达测量系统能够快速获得大量高精确性和密集的三维点云数据,是建筑物提取与建模的原始数据。然而在获取的点云数据中,除了建筑物以外还包含地面、植被、车辆等其他类别,很难直接将各类别进行区分。为此,本文将机载激光雷达获取的原始点云数据作为目标研究数据,针对机载激光雷达点云建筑物提取困难的问题,本文采用了一种基于超体素的点云滤波与建筑物提取方法,能有效的过滤掉地面、植被等不必要的地物类别同时提取建筑物及轮廓信息,主要工作和研究内容如下:（1）比较并分析五种滤波算法的滤波性能。研究了坡度滤波、数学形态学滤波、不规则三角网滤波、移动曲面拟合滤波和布料模拟滤波五种滤波算法基本原理,通过实验对比评估不同滤波算法的滤波性能,结果表明,在不同地貌特征的三个标准数据集样本中,布料模拟滤波算法和坡度滤波算法滤波性能表现更好。（2）提出一种基于超体素的点云滤波与建筑物提取方法。阐述点云数据超体素构建原理,提出顾及邻接超体素属性的区域增长算法和基于邻接凹凸性的聚类方法,对每个超体素进行相似性判断来实现向上一层的区域增长式合并,并通过判断超体素簇与邻接超体素簇的凹凸性实现再向上一层的合并,最终通过计算聚类对象自身几何特征来过滤地面、植被和噪声,从而得到建筑物点云。实验结果表明,本文算法的滤波性能优于其他常见滤波算法,建筑物提取结果优于专业点云处理软件的提取结果。（3）利用自适应Alpha Shape算法提取建筑物屋顶各平面的轮廓边界点。首先对单体建筑物点云数据采用基于超体素的区域增长算法实现屋顶平面分割,再利用自适应Alpha Shape算法提取建筑物分割后各屋顶平面轮廓线,选择4类外形结构不同的建筑物进行实验。结果表明,屋顶各平面点云的聚类与轮廓线均能够很好的被提取,并可以得到平面之间的拓扑关系,具有良好的应用前景。