中文摘要：

建筑物三维重建是获取建筑物三维结构信息的重要手段，在城市规划、建设和管理等领域具有广泛的应用。申请人提出以构造实体几何模型(CSG)表示建筑物，并作为联系机载激光雷达与航空影像数据的纽带。首先分割出独立建筑物，对于构成建筑物的CSG基元进行识别并测量初始模型参数；提取LiDAR点云中的平面和影像中的建筑物角点两种最基本最稳定可靠的特征作为观测值，结合共线条件方程和CSG模型约束形成目标函数；通过集束调整自动优化CSG模型参数，从而得到最终的建筑物三维模型。该课题申请将重点研究CSG基元表示方法、CSG基元的识别和参数提取方法、大场景LiDAR点云分类与建筑物分离以及多回波/全波形LiDAR的应用，探索解决现有方法数据处理复杂、LiDAR与影像结合不紧密、模型优化过程不够自动化等问题。研究结果将丰富和完善基于机载数据的建筑物三维重建手段，也将在一定程度上推动LiDAR与影像结合方面的研究。

结论摘要：

机载LiDAR点云和数字航空影像是用于建筑物三维重建的主要遥感数据源，两种数据具有很强的互补性，二者融合可实现更为准确的建筑物三维重建。针对已有研究对于二种数据源集成处理程度不足，没有充分利用二种数据互补性的问题，对下述几个主要内容进行研究，并取得了相应的研究成果（1）在重建思路方面，提出一种新的更紧密融合机载LiDAR点云和数字航空影像的建筑物三维重建方法。以CSG基元为建筑物单元，将来自机载LiDAR点云的平面约束以及数字航空影像的角点约束集成在统一的目标函数之中，将建筑物三维重建问题转化为参数优化问题。所提出的方法参加了由ISPRS组织的建筑物三维重建方法横向测评，结果表明，与其他仅利用单一数据源的方法相比，所提出方法在重建模型的平面和高程方向上均有较高几何精度。（2）在建筑物表现形式方面，基于参数化模型比基于平面面片表达更为简洁，更容易理解和使用。为将模型驱动的方法用于构建组合型的复杂建筑物，提出了基于屋顶平面属性关系图的复杂建筑物语义拆分算法和基于子图匹配的模型识别方法。所提方法可实现将复杂建筑物自动拆分为若干简单的建筑物基元，分别对简单建筑物基元进行三维重建，然后组合形成最终的实际建筑物三维模型。所提出方法允许CSG基元之间有重叠部分，因此可以用少量简单规则的CSG基元组合表示一定数量的实际复杂建筑物，在复杂建筑物模型识别和分解方面有所创新。（3）在建筑物点云识别和提取方面，融合机载LiDAR点云和航空影像，采用渐进式的建筑物检测方法以及支持向量机与图割优化相结合的方法从机载LiDAR点云中自动检测建筑物点云。实验结果表明，所提方法可将两种数据源融合从而显著提高建筑物检测的精度。（4）在点云滤波方面，针对现有滤波方法参数多且设置困难的问题，提出了一种基于物理过程模拟的LiDAR点云滤波算法。实验结果表明，所提算法可在参数较少且设置较为容易的情况下实现机载LiDAR点云中地面点的高精度提取。该方法已经被两套国产激光雷达点云处理软件采用。综上所述，该项目在建筑物三维重建过程中所涉及的点云滤波以及建筑物点云提取等方面有所创新，更在建筑物三维重建思路和建筑物模型表达形式方面都进行了新的思考和研究，研究成果丰富了基于机载数据的建筑物三维重建手段，显示出结合机载LiDAR点云与数字航空影像的优势，在二种数据源紧密融合的思路和实践方面有一定的借鉴意义。