在“智慧城市”热度高涨的今天,对城市进行监测和应急管理势在必行,实时性是衡量应急响应的重要尺度。建筑是城市的重要组成部分,对建筑点云信息进行实时获取处理是一个关键性问题。其中,无人机倾斜摄影技术因其成本低、精度高以及便捷快速等特点,被广泛关注。倾斜摄影生成的密集匹配点云具有真实、丰富的地物信息,然而大多数点云的获取都是离线处理,同时密集匹配点云粗糙、地物边界模糊、数据冗余大,导致计算开销大、耗时长;实时性问题亟待解决。本文围绕实时性需求,从航空影像实时传输、点云数据实时处理等方面开展研究:首先,对倾斜摄影数据实时传输技术及点云实时处理算法基础理论进行分析总结。针对数据实时传输需求,基于流媒体传输协议设计一套无人机平台的多机实时视频传输软件,为保证有限带宽条件下的高码率视频数据实时传输和处理,提出一种基于多线程处理技术的多路视频流接入方法和一种解码感知自适应技术,动态更新系统可支持的最大设备接入数。其次,研究了密集点云分割算法,对海量点云进行预处理后,基于布料滤波（Cloth Simulation Filter,CSF）算法对地面点云粗提取,再融合点云法向量进行精提取,通过随机抽样一致（Random Sample Consensus,RANSAC）算法分离错误分割的非地面点。地面滤波结束后再基于对象特征进行建筑点云分割。选取Semantic3D数据集对算法进行验证,实验证明,准确率优于CSF算法,能够在地面滤波过程中有效保证非地面点的完整性,完成建筑点云的快速提取。再次,针对点云计算速率慢的问题,设计一种自适应计算机配置的点云加速计算策略,支持基于GPU的点云法向量并行计算和在CPU上基于OMP的点云法向量并行计算,通过加载计算机配置文件灵活适配加速方式。选取搭载NVIDIA显卡的计算机平台进行实验,结果表明,GPU和OMP并行加速方法均能提高计算效率,GPU加速效果更为显著。该自适应策略为点云实时处理提供了可靠的计算方法。最后,采集校园航空影像,对实景点云实时处理。无人机执行航拍作业,通过单机多次航拍实验对所提倾斜摄影多机实时视频传输软件进行延时和解码耗时感知测试,对获取的航拍影像处理生成三维密集点云数据,利用点云处理算法和加速策略从密集匹配点云中实时提取建筑点云。实验表明该多机实时传输软件满足倾斜摄影实时需求;点云处理算法能够有效分割校园实景建筑点云;自适应加速策略可以灵活适配主机,缩短校园实景点云法向量计算耗时,有效提高点云处理实时性。