三维点云实景模型可以将地球完整地搬进计算机,不同用户直接在计算机进行所需信息的采集从而实现数据的重复利用,可从技术上解决目前国家提出的多测合一战略,同时三维点云实景模型可对智慧城市中的精细化管理需求提供数据支持。获取完整三维点云实景模型的关键在于多源数据的相互融合,点云与影像数据融合生成真彩色点云,可充分发挥影像与点云各自独有的优势;不同来源的点云数据之间相互融合,可以构建无缺失、无死角的完整点云实景模型。论文以无人机移动测景系统(ULS)为主要手段采集数据,根据无人机序列影像与点云数据的特点,建立了点云与影像的快速配准融合方法;针对因ULS技术特点导致生成的三维点云实景模型缺失问题,提出了两步法修补策略,为建构完整点云实景模型奠定了技术基础。主要研究内容如下:(1)首先利用SURF结合FLANN算法实现原始点云基于Delaunay插值生成的强度影像与机载相机采集的对应影像的快速准确匹配,然后依据共线方程与整体最小二乘平差方法计算得到转换参数,最后经GNSS时间索引,实现序列影像与对应点云的匹配与融合,得到初步的实景点云模型。(2)对模型的缺失部分采用两步法的点云缺失修补策略:a)缺失较为严重的区域采用补充测量的方法,得到较为完整的点云模型;b)模型中存在的较小的孔洞采用边界收缩的方法进行修补,得到完整的三维点云实景模型。(3)根据本文提出的配准融合及点云修补方法,选取实验场进行验证。实验表明:点云与影像的融合精度较高,融合中误差达到了 30米高数据集0.026m,50米高数据集0.029m。对修补后的整体点云模型进行了精度评估,模型平面点位中误差为0.059m,高程中误差为0.063m。