建筑物作为城市的重要组成元素,对三维城市建模和数字城市的建立具有非常重要的意义。机载激光雷达技术(Light Detection And Ranging,LiDAR)为获取城市空间信息提供了一种新的技术手段,特别是建筑物信息。由于海量的点云数据具有离散、不规则分布的特点,导致现有的建筑物提取算法普遍存在构建效率低、构建繁琐、信息损失以及不能表达3D特征等问题。针对上述问题,本文提出一种基于体元的建筑物提取算法。以原始离散点云数据为研究对象,在构建体元数据结构模型的基础上通过法向量和残差估计计算残差最小值的方法选取建筑物种子体元,以种子体元为基础进行区域增长,将法向量夹角阈值和距离阈值作为判别准则,以实现建筑物的准确提取;设计基于体元的连通性成份分析(Voxel_based Connected-Component Analysis,VCCA)算法对建筑物进行分割;利用Alpha-Shape算法进行建筑物轮廓提取。为验证本文提出算法的准确性,采用ISPRS提供的点云滤波测试数据中的8个样本数据进行建筑物提取、建筑物分割、建筑物轮廓提取等实验,并定量和定性地评价了建筑物提取的精度。实验结果表明,本文算法不受地形以及建筑物类型和尺寸的限制,Kappa系数均能达到80%以上,验证了算法的可行性和有效性。