机载LiDAR(Light Detection and Ranging)作为一种新型的测量系统，能够迅速地获取测区内的三维信息、强度信息以及光学影像，已经广泛应用于地形测绘、海岸线监测、城市区域的三维建模、林业资源调查等领域。本文针对基于机载LiDAR数据的建筑物重建技术，重点对粗差剔除、数据滤波、建筑物点云获取、三维重建等关键问题进行了研究，主要工作和创新点如下：1、介绍了机载LiDAR系统的组成和点云数据的特点，在分析了常见的粗差剔除方法基础上，提出了一种基于扫描线和虚拟格网的非兴趣点剔除方法，并通过实验证明了该方法对于建筑物点云数据粗差剔除的有效性。2、在分析现有数学形态学滤波算法的基础上，针对需要人工设置参数的问题，提出了窗口大小和高程阈值的自适应策略，设计了一种自适应数学形态学算法，通过对不同区域的数据进行试验，验证了该方法对不同区域均可自适应地提取测区内非地面点云。3、设计了一种基于空间聚类和拓扑分析的LiDAR建筑物点云提取方法，利用点云数据生成的高程图像，结合种子填充和边界跟踪算法，实现了建筑物点云与植被点云的分离以及建筑物轮廓的提取。4、提出了一种基于关键点检测的机载LiDAR点云建筑物重建算法，利用RANSAC算法对建筑物点云进行聚类，并利用Alpha Shape算法获得建筑物的关键特征点，完成建筑物模型的构建。实验证明该方法可以自动实现对平顶、人字型、四坡型等建筑物的自动重建，效果良好。