建筑物是城市三维场景的主体,建筑物三维建模是数字城市、智慧城市建设的核心内容之一。随着我国城镇化建设的快速发展和大数据时代的到来,对建筑物三维建模提出更加真实化、自动化、精细化、快速化的要求。机载LiDAR和车载LiDAR是当前大场景建筑物三维信息获取的两种主要技术手段,具有互补的优势。车载LiDAR系统快速获取建筑物立面点云数据,但受地物遮挡及不可抵达等因素的影响,所获取的建筑物立面点云中存在严重的数据不完整现象,给建筑物立面建模带来困扰。机载LiDAR系统获取建筑物屋顶点云数据,对建筑物立面信息获取能力有限。立面是建筑物细节特征的主要承载部分,受点云数据不完整性及其他因素的制约,仅依靠车载LiDAR系统获取的立面点云难以实现建筑物立面模型的准确完整构建。从城市建筑物群空间分布及建筑物自身结构特征来看,机载LiDAR和车载LiDAR存在很多共轭特征信息和空间语义关联信息,机载LiDAR能为建筑物立面建模提供丰富的信息和语义支持。本文基于建筑物面片间空间拓扑关系及建筑物立面细节特征的几何与语义描述,提出了联合机载-车载LiDAR点云的建筑物立面模型建模方法,主要研究工作如下:1针对国内外基于机载LiDAR和车载LiDAR两种数据源的数据预处理以及建筑物模型构建等方面研究工作,深入探讨分析了两种数据源构建建筑物模型存在问题和不足,并给出了联合机载-车载LiDAR构建建筑物立面模型的优势。2优化了机载和车载LiDAR点云数据预处理方法。采用CSF滤波算法分离机载点云数据中的地面点与非地面点,采用反距离加权差值算法对分离出的地面点数据构建规则DEM格网,以构建的DEM为高程基准通过设置合理的高程阈值提取建筑物。采用数据分块的方式对车载LiDAR点云数据进行预处理,借助于SOR滤波算法对于建筑物周围噪声点进行滤除。3提出了一套联合机载-车载LiDAR点云构建建筑物立面线框模型的建模方法。先将预处理后的两种数据源进行配准,采用改进的八邻域聚类算法对配准后的屋顶点云进行聚类分割,借助于动态椭圆凸壳算法探测屋顶轮廓点并基于分组正交的原理进行矢量化,构建缓冲区对建筑物进行立面分割。采用改进的RANSAC算法对建筑物进行主墙面探测,结合建筑物各面片间的拓扑关系来构建建筑立面线框模型。4深入研究了建筑物立面细化模型构建的建模方法。对探测出来的主墙面点云,首先基于空洞思想对立面中的窗户、门进行聚类,然后采用动态椭圆凸壳算法探测窗户、门边界点。受到点云质量的影响,会有部分窗户边界点不能探测出来,针对该问题,本文根据窗户结构单元间的相似性来对缺失的窗户进行修复。对获取窗户、门的边界点采用RANSAC算法进行分割并借助于稳健整体最小二乘算法进行矢量化,最后结合立面结构单元的几何特征及语义描述完成窗户、门三维模型的构建。5基于本文算法的实验验证及可靠性分析。选取试验区的机载和车载LiDAR数据,分别进行了屋顶点云预处理、建筑物立面分割、主墙面探测、结构单元聚类以及轮廓点探测、缺失窗户修复、结构单元边界分割矢量化、精细建筑物立面模型的构建等试验,对提取出来的结果进行了定性和定量化分析,结果表明本文算法能准确的构建精细建筑物立面模型。