机载激光雷达(Light Detection and Ranging,LiDAR)是一种快速获取高精度地面和地物三维信息的新技术。它是集激光技术、高动态载体姿态测定技术和高精度动态GPS差分定位技术于一体的探测技术,它比传统摄影测量方法更快速更精确地获取地面和地物信息。机载激光雷达系统获取的数据是一系列空间分布不规则的离散的三维点云,点云数据处理与应用研究相对于激光雷达硬件的快速发展明显滞后。如何处理大量的点云数据,并从中提取有用的地形信息和地物信息,并研究点云数据在地形测绘、城市建设及林业规划等领域的应用,是当前急需解决的问题。基于此,本论文开展了机载激光雷达点云数据处理与建筑物三维重建的研究。本论文以机载小光斑脉冲测距激光雷达系统为研究对象,分析了机载激光雷达系统获取数据的特点,研究了不同地物类型点云的几何特征、强度特征、回波特征以及光谱特征,基于以上特征提出了一系列激光雷达点云数据的过滤与分类方法。在此基础上,开展了基于激光雷达点云的建筑物提取与三维重建研究。论文主要贡献包括以下几个方面:(1)提出了基于高程突变的TIN(triangulated irregular network,不规则三角网)过滤算法和基于邻近高差及辅助平面的TIN过滤算法。在点云构成的不规则三角网中,分析不同典型地物目标点与邻近点之间高程突变的规律,通过控制邻近点的高程差和邻近点数量两个参数,逐步过滤掉非地面点以提取DEM等地形数据。该方法能有效过滤非地面点并保留具有连续起伏变化的地形。基于邻近高差及辅助平面的TIN过滤算法是在基于高程突变的TIN过滤算法基础上,进一步对非地面点进行过滤。该算法将已经过滤出的地面点投影到辅助平面上,利用辅助平面上的点与非地面点共同构建TIN模型,通过邻近高差参数的设置,从非地面点中初步提取出建筑物点云。(2)提出了基于点云斜率变化的平面拟合过滤方法。在点云的不规则三角网中,邻近点云间的斜率变化在一定范围的点可看作同一近似平面内的点。通过斜率等参数的控制,利用区域增长方法,能够提取出近似的水平平面、倾斜平面和垂直平面的点集,以及连续光滑曲面的点集。该算法在连续平滑的地面、建筑物屋顶以及建筑物垂直墙壁等信息提取中具有较好的效果。在平面点集提取的基础上,利用提取出的各个平面与其平面周围点的高度差,从中分离出局部高程大于周边点云的建筑物屋顶平面,从而实现地面与建筑物平面的分离。(3)探讨了基于光谱信息、回波次数和回波强度的点云数据过滤与分类方法。将点云数据与光谱数据进行光谱合成(Spectral Imagery LiDAR Composite,SILC),通过对光谱影像数据利用监督分类的方法标定不同地物的光谱值,利用此光谱值对光谱合成的点云数据进行过滤,能有效过滤出植被点云。并初步探讨点云的不同回波次数特点,利用回波次数过滤激光点云。分析激光雷达回波强度与目标的反射率之间的关系,以及回波强度的影响因素等,为激光雷达点云回波强度的有效利用提供基础,并初步利用激光强度值过滤点云。采用K均值聚类方法对规则化的激光回波强度值进行聚类,能有效分离出反射特性具有明显差异的不同材质的地物。(4)提出了一种激光雷达点云中建筑物的提取和三维重建方法。以本论文中提出的激光雷达点云数据过滤和分类方法为基础,提出了建筑物点云提取的方法。并以提取出的建筑物屋顶点云为研究对象,提出基于激光雷达点云的建筑物三维重建方法。通过聚类屋顶平面点,拟合屋顶平面,确定屋顶外边界和各平面的边界,从而获得屋顶各角点的三维坐标来重构建筑物的三维模型。该方法不但能重建简单规则的建筑物,也能重建屋顶平面比较复杂、结构不规则的建筑物。本论文着重研究了机载激光雷达点云的数据处理与建筑物的三维重建方法,对激光雷达点云数据的处理与应用具有一定的理论意义和实际意义。