随着数字城市,计算机等技术的蓬勃发展,城市实景三维成为可能,其中建筑物三维重建一直是数字城市的重要目标。三维激光扫描技术为建筑物三维重建提供了新的数据获取手段和处理方法。在三维激光点云数据处理过程中,特征提取是建筑物三维重建的前提和基础。通过对点云数据特征提取和三维重建理论进行研究,提出了优化的α-shapes边界提取算法和结合超体素与区域增长的建筑物特征提取算法。主要研究工作和结论如下:(1)针对当前平面点云边界提取算法对点云的噪声、散乱程度和形状具有提取结果不稳定性、算法效率不高、难以保证提取边界的精细度和完整性等问题,着重研究α-shapes算法,并分析其研究现状与缺点,提出优化的α-shapes算法。该算法首先将数据网格化,排除非边界网格,然后对边界网格内的点采用α-shapes算法提取点云边界,并通过P点的k个邻近点的平均距离这一特征值设置滚动圆半径α。通过对k值、点云形状、点云密度、点云孔洞和点云离散度进行了分析,归纳了调节因子的最佳范围。经实验证明:该算法在保证点云边界的精度下能够快速提取完整点云边界,具有良好的稳健性,能提高后续点云重建速度与效率。(2)针对三维点云特征算法存在的问题,提出一种结合超体素与区域增长的建筑物特征点提取算法。首先对三维点云数据进行八叉树体素化,以非空叶子节点为种子点数据,通过点集分布概率的空间维度特征描述符进行种子点筛选,选取点集呈面状分布概率高的种子点;以选取的非空叶子节点宽度进行搜索和初步聚类,以欧氏距离和几何特征来衡量点间的聚类距离进行K均值聚类,得到具有边界信息的超体素;在空间连通性和表面光滑性两个约束条件下,对超体素进行区域增长形成聚类区域;以聚类区域建立局部坐标系,并投影至XOY平面,采用优化的α-shapes算法对聚类区域进行边界提取,将边界点映射回原始坐标系。经实验证明:该算法能够减少计算量和复杂度,提高运行效率,能够有效、快速的提取建筑物结构特征。