无人机倾斜影像匹配点云作为一种新型的地理空间数据,在智慧城市空间数据框架建设中占据越来越重要的地位。需要研究新的点云数据处理和建筑物信息提取方法,以满足城市规划、监测和管理对城市建筑物空间信息的需求。本研究把点云数据处理和建筑物信息提取方法分为建筑物对象检测和重建两个层次,针对不同的需求和目标分别提出了相应的新理论和新方法,为无人机倾斜影像匹配点云的数据处理和建筑物信息提取提供了新的研究视角和研究思路,对无人机倾斜影像匹配点云的大规模综合应用具有较好的示范作用。本研究在建筑物对象检测和重建方法上的主要成果与创新点如下:(1)建筑物对象检测上,提出了基于多植被指数的SVM植被脚点检测算法和基于类标签的3D形态学算法。利用植被检测算法在点云预处理阶段检测和剔除大量的植被点,既有利于改善后续基于形状约束的植被和建筑物区分处理,又大大降低后续处理的数据量和处理难度。基于类标签的形态学算法实现了平滑建筑物边缘、断开建筑物之间的狭窄间断以及消除细小突出物的目的,降低了噪音和误匹配数据的影响。(2)建筑物2D矢量轮廓信息重建上,提出了基于最小二乘的直线增长算法和基于权重均值聚类的主轴定向算法。基于最小二乘的直线增长算法解决了从边缘点中自动提取轮廓特征线问题,基于权重均值聚类的主轴算法从全局最优角度解决了建筑物主轴定向问题。(3)建筑物屋顶信息重建上,提出了基于最小二乘拟合的平面增长算法和基于PCA分析的最小外包矩形MCR算法。基于最小二乘拟合的平面增长算法解决了从屋顶点云检测和提取屋顶面片信息问题。基于PCA分析的最小外包矩形MCR算法解决了屋顶平面面片结构的定向、定位和定域问题。