机载激光雷达是集激光测距、全球定位系统(GNSS)和惯性导航三种技术为一体的三维直接探测技术,是当今社会最具发展潜力的地理空间信息获取技术之一,可以主动快速地获取地表密集三维点云数据、反射率、纹理等信息,弥补了传统测量、航空摄影测量等技术手段存在的不足。面对海量点云数据,如何有效提取建筑物,剔除植被、路灯、公路等与建筑物无关的点云数据,为城市测绘、智慧城市建设等领域提供基础数据,是人们最为关注,也是最亟待解决的技术问题。本文以建筑物顶层点云快速提取任务为依托,研究基于改进RANSAC算法的建筑物点云快速提取技术,主要研究工作体现在以下几个方面:对机载Li DAR系统工作原理及建筑物点云快速提取的理论方法进行总结梳理。主要分析了机载Li DAR点云采集系统的构成及Li DAR点云数据的特点,从内外业一体化角度分析Li DAR点云数据提取的基本工作流程;详细阐述了形态学滤波、基于坡度滤波、区域增长法和随机抽样一致性算法等常见建筑物提取算法的基本原理和实现流程,分析探讨了四种方法在建筑物点云提取中的优势与不足,并确定本文要采用的建筑物点云提取算法—RANSAC算法。提出了改进RANSAC算法的建筑物点云提取算法,并对其进行试验验证。主要从最小二乘拟合优化、数据遍历优化、破碎面和伪平面优化四个方面对传统RANSAC算法进行改进,并基于Visual Studio 2010集成开发环境,使用C++语言及PCL点云开源库,进行改进算法的编程实现。实验结果表明,本文改进后的RANSAC算法都可以有效、快速的提取建筑物形状,对建筑物立面点云和建筑物周围植被都能有效识别,对广州区域两处不同造型的建筑物提取点云数约占60%左右,舟山区域三处密度不同的建筑物提取点云数约占70%左右,对比分析表明建筑物点云提取受点云密度、周围植被、噪声等因素综合影响。本文设计算法能够较好地滤除建筑物周围的低矮植被及其它噪声点,稳健获取建筑物形状的点云信息,可为点云数据的进一步应用提供技术支持。