机载激光雷达(Light Detection and Ranging,Li DAR)是一种新型、高效、可直接获取地物三维空间数据的技术,其获取的点云已广泛用于智慧城市建设、地物目标解译等领域。建筑物三维模型作为智慧城市、三维地理信息系统的重要基础数据,其重建工作一直是很多领域的研究热点和难点。机载Li DAR点云是建筑物三维模型重建的重要数据之一,包含可靠的建筑物三维表面信息,但由于机载Li DAR点云分布不规则、密度不均、缺乏语义信息等特点,使得仅利用其重建的模型轮廓几何精度难以得到保证。航空影像具有光谱特征显著、空间分辨率高、语义信息丰富等优点,利用其辅助机载Li DAR点云的建筑物三维模型重建,有利于得到精度更高的建筑物三维模型。因此,本文围绕航空影像辅助机载Li DAR点云的建筑物结构化三维模型重建展开研究,完成的主要工作和创新点如下:1.阐述了航空影像辅助机载Li DAR点云的建筑物结构化三维模型重建的研究背景与意义,并分别针对机载Li DAR点云分类、建筑物屋顶面分割、建筑物轮廓提取与规则化和建筑物三维模型重建方法的研究现状以及存在的问题进行了总结和分析。2.针对基于深度学习的机载Li DAR点云分类方法对训练样本数量要求高、训练时间长等问题,提出一种基于深度残差网络迁移学习的机载Li DAR点云分类方法。该方法将迁移学习引入机载Li DAR点云分类,设计了新的点云特征图生成策略,构建并训练神经网络分类器,经过后处理得到分类结果。采用不同类型的传感器获取的、多个区域的机载Li DAR点云进行实验,验证了该方法可以在降低训练时间和对训练样本数量要求的同时,提高点云分类精度。3.提出了一种结合区域增长和随机采样一致性算法的机载Li DAR点云屋顶面分割方法。通过设计迭代区域增长算法提取可靠屋顶面片,并利用随机采样一致性算法提取小面积屋顶面片,再对提取的屋顶面片进行优化,从而有效地克服了由屋顶面积差异大、形状复杂、数量不确定,以及机载Li DAR点云密度不均、分布不规则等因素造成分割不准确的影响。利用多组具有代表性的建筑物点云进行实验,验证了该方法可以得到精度较高的分割结果,具有可靠地分割面积较小和复杂结构的屋顶面的能力。4.提出了一种基于邻域方向分布的机载Li DAR点云建筑物外轮廓提取方法。该方法设计了基于邻域方向分布提取轮廓点的算法,通过构建不规则三角网,对边进行操作,实现无需设置边长阈值即可跟踪轮廓点,并得到有序的建筑物外轮廓提取结果。利用具有不同密度分布、不同形状的模拟点云和真实建筑物点云进行实验,证明了该方法可以得到精度较高的建筑物外轮廓提取结果,并能有效克服参数难以设置的问题,实用性较强。5.设计了一种航空影像辅助机载Li DAR点云的建筑物结构化三维模型重建方法。该方法基于航空影像和机载Li DAR点云生成了屋脊线、阶跃线等建筑物三维特征线,通过设计的基于多特征线的感知编组算法,实现了将航空影像融入重建过程,从而有效地利用机载Li DAR点云和航空影像各自的优势重建了建筑物结构化三维模型。利用两个区域的建筑物点云进行重建实验,验证了该方法可以有效利用航空影像中的建筑物轮廓信息辅助机载Li DAR点云进行建筑物结构化三维模型重建,能重建屋顶结构复杂度不同的建筑物,并且重建的建筑物结构化三维模型具有较高的精度。