建筑物点云的表面重建方法是根据点云数据提取建筑物表面的几何结构,从而恢复三维实体模型的过程。目前,面向点云的建筑物表面重建方法在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物具有几何形态多变的特点,重建算法普遍存在拟合精度低、模型结构不完整等问题。因此,本文从提升模型的重建精度、增强模型闭合性的需求出发,重点开展高效的建筑物表面矢量化重建算法的研究,主要工作如下:1、针对带噪声和缺失建筑物点云数据的表面拟合问题,提出基于加权约束的单体建筑物点云表面重建算法。首先,在数据表面初始化过程中根据不同点云数据的分布特点,设计自适应权重。其次,选择模型拟合中最优的权重函数,达到建筑物的拟合误差最小。最后,构建基于正则集的建筑物表面重建算法,实现建筑物表面的加权约束提取。针对不同数据源和不同规模的建筑物重建实验结果表明,基于加权约束的建筑物点云表面重建算法在高噪声、低精度点云数据下能得到更高精度的建筑物表面模型。2、针对重建模型存在的边界非闭合问题,提出基于闭合约束的建筑物点云表面重建算法。首先,根据主成分分析方法对点云数据进行初始拟合。其次,按照正则集重建方法的候选集生成方式扩充初始基元集。最后,在含有数据项、正则项和平滑项的能量最小化方程中添加闭合约束项来选择最终的模型平面集。与基于正则集的建筑物表面重建算法相比,基于多边形闭合约束的重建算法对噪声有较好的鲁棒性,并能有效地提高重建模型的闭合性。综上所述,本文针对重建模型拟合精度低,结构闭合性差的问题,分别提出基于加权约束和闭合约束的建筑物点云表面重建算法。通过分析数据的加权拟合权重与模型边界闭合性对重建的影响,针对带噪声、不同尺度和不同结构复杂度的建筑物重建实验结果表明,所提算法有效地提高了模型拟合精度和闭合度,得到高精度紧密的建筑物模型。