建筑物是人类活动的主要场所,精确的建筑物三维模型,能够为城市规划、应急救灾、BIM等应用领域提供支持,因此快速、精细的建筑物三维重建需求迫切。Web2.0技术背景下兴起的众源地理信息(VGI)语义内容丰富,包含大量城市建筑信息,使低成本的三维建模成为可能。但VGI数据位置精度难以保证,同时缺乏建筑物立面细节信息,只能建立楼块层次(LOD1)和屋顶结构层次(LOD2)模型。近年来,移动测量技术与无人车技术发展迅速,车载激光扫描系统能快速获取道路及两侧地物表面的三维点云,点云几何精度高、包含丰富的立面细节,是用于立面结构(LOD3)层次模型重建的理想数据。但由于现实场景复杂、点云数据量大、密度不均匀等,从点云中自动提取建筑物的现有方法都存在计算复杂度较高、耗时较长,鲁棒性较差等问题,难以达到很好的提取效果。针对上述问题,本文提出了一套融合VGI与车载LiDAR点云的建筑物三维快速提取方法流程,实现异源数据优势互补,为建筑物真三维重建提供有效数据支撑。首先,为快速建立两种数据的匹配关系,以实现两者信息融合,本文方法利用MLS轨迹点与VGI道路采样点进行快速配准,从而简化了二维矢量数据与三维点云之间的配准问题。然后,本文利用VGI数据辅助车载LiDAR点云进行建筑物提取,VGI数据中的结构化信息提供了建筑物候选区域的先验知识,可减小点云的搜索范围,从而提高处理效率;同时,VGI数据的非结构化信息既可以辅助制定建筑物提取规则,实现较高精度的建筑物目标提取,又可以丰富LiDAR点云数据的语义内容,便于进一步实现三维模型重建。本文采用“Paris-Lille-3Dbenchmark”车载LiDAR数据集及武汉大学局部区域点云数据,以OpenStreetmap(OSIM)为例,对提出的方法流程进行了验证,实验证实了该方法流程的有效性和可行性。另外,本文将VGI辅助和无VGI辅助的点云建筑物提取的果进行了对比及精度评定,实验结果表明基于VGI辅助的车载LiDAR点云建筑物提取方法具有更高效率和更高精度,有效改善了建筑物提取存在的耗时长和错分漏提率高的问题。此外,本文工作也表明以OSM为代表的VGI数据,和以LIDAR点云为代表的专业测绘数据,可以通过有效的数据融合实现更高的数据价值,在VGI和LiDAR数据融合方面进行更深入的研究具有较大意义。