精确地检测出建筑物的位置并提取其屋顶轮廓是进行自动三维重建的一个首要前提,同时建筑物检测结果本身也具备较高价值,在城市规划、土地调查、变化检测、军事侦察以及太阳能潜力评估等方面均有相关应用。在过去几十年中,基于机载数据的建筑物检测研究一直受到国内外学者极大的关注,而这其中航空影像和机载激光雷达(Light Detection And Ranging, LiDAR)则是最有代表性的两种数据源。建筑物的自动检测和精确轮廓提取一直是一个复杂的研究课题,以基于LiDAR为主要数据源的研究为例,其困难主要体现在以下几点：①LiDAR点云滤波所得的地形高程信息是区分LiDAR中建筑物与其他地物的极为重要的依据之一,现有的滤波算法虽然已经能够在较大程度上满足建筑物检测的应用需求,但仍然存在自动化程度不高(尤其当处理含顽固噪声的数据)以及面向特殊复杂地形时滤波性能较差等问题；②现实世界中建筑物的屋顶结构越来越趋于复杂化,需要提出更完善的方案,设法制定合理的假设条件,在离散点云中排除其他地物尤其是分布在建筑物周围树木的干扰的同时,提取得到准确的建筑轮廓；③LiDAR数据中检测出的建筑物轮廓的精细程度,往往受限于点云的扫描分辨率。航空影像中虽然包含丰富的光谱和边缘信息,但是直接在影像中实施建筑物检测及其轮廓提取不但会受到阴影、遮挡以及局部纹理缺乏等因素的影响,同时还面临自动化程度低下的问题。因此,需要考虑采用合适的方案将两者的优势结合,从而在加强建筑物检测算法自动化程度的同时设法提高所得轮廓的精度和质量。针对以上几个关键问题,本文从LiDAR点云滤波、LiDAR中的建筑物自动检测以及航空影像辅助的建筑物轮廓精化三个方面进行设计和研究,建立一套相对完善可行的建筑物轮廓精确提取的技术方案。本文的工作内容主要包括以下几个方面：1)多点改进的渐进加密三角网点云滤波方法研究。经典方法选取种子点的方式为直接选取局部范围内高程最低的点,如果不加处理,噪声低点将不可避免地被选为种子点,进而对最终滤波结果造成明显影响。较常规的方式是通过高程直方图分析以及孤立点分析等预处理去除低点,但对于成片出现的低点一般仍需人工介入才能去除。为了解决这一问题,本文引入置信区间估计理论对初次选择的种子点进行遍历分析,将不满足地形假设的点剔除,同时采用迭代的方式在空缺区域选取新的可信的种子点,直至所有的种子点均满足检验条件,实现了无需预处理的种子点优化选择：另一方面,本文提出了一种规则约束的区域增长方法,即在进行三角网加密的过程中,若三角形符合一系列陡坎地形的规则约束,则对当前三角形实施区域增长,从而针对性地检测出完整的陡坎地形；对于地物充分覆盖的斜坡地形,本文采取“两步式”滤波的方式进行针对性处理,即先用较为宽松的阈值进行一次滤波,然后对第一次滤波得到的地面点采用保守的阂值进行第二次滤波,从而得到尽可能完整正确的地形结果。比较试验证实了本文方法具有较强的滤波性能,在对10组各具代表性的区域的评价指标统计中,本文的平均总误差为3.71%,平均Kappa系数达到91.13%,均优于其他六种比较方法。2)平面特征约束的LiDAR中的建筑物自动检测方法研究。现实世界中,大部分建筑物的屋顶结构都可以拆分为若干个平面。现有的许多检测方法均基于这一基本假设,本文对这种平面特征约束的建筑物自动提取方法进行了实践和完善。该方法无需多光谱影像辅助,也不对LiDAR点云数据进行栅格化,而是直接以原始点云作为处理对象,首先根据点的坐标构建离散点云的KD树结构,在该结构的辅助下使用基于奇异值分解的方法进行平面拟合从而提取三维面片,基于数字地面模型数据提供的高度信息筛除贴近地面的面片,同时进行面片合并处理得到屋顶的主体平面结构,然后以主体平面的邻域的其他点为判断对象进行平面结构的区域增长,获取完整的屋顶平面结构,最后按一定约束对平面进行聚类,并使用Alpha Shapes算法对聚类点云进行跟踪,最终得到建筑物轮廓的提取结果。通过对国际摄影测量学会提供的3组数据进行试验和比较,结果显示本文方法能够较好地提取多种类型建筑物的屋顶轮廓,在3组数据的关键评价指标——质量(Quality)平均值的比较中,本文方法达到88.31%,在14种比较方法中排名第一3)航空影像辅助的建筑物轮廓精化方法研究。LiDAR数据中获取的建筑物轮廓精度受限于其相对偏低的平面扫描分辨率,因此需要借助影像在高分辨率下的纹理信息尤其是边缘信息来设法进行提高。不同于常规方法中利用高分辨率影像上提取到的建筑物边缘线段,设法对原始轮廓进行替换和更新的思路,本文的精化策略设法避开了线特征提取这一步骤,而是基于改进的Snake模型,采用多视影像的物方精化策略对LiDAR中获取的初始轮廓进行优化,通过偏角、影像梯度以及面积等约束制定适用于建筑物轮廓的能量函数,再使用贪婪算法令轮廓在一定范围内主动移动,最终得到合理的精化轮廓。综合考虑精度和计算效率,本文对轮廓节点的搜索区域和搜索方法进行了一定的限定和优化。试验表明,本文提出的轮廓精化方法有效可行,3组试验数据的轮廓质量指标均得到一定幅度提升,其中平均质量这一关键评价指标从91.66%提升到93.34%,对单个建筑物分别进行评价后的结果表明,试验数据中77.0%的建筑个体的质量指标均得到提升。