建筑物的三维模型作为数字城市中重要的框架数据,其重建工作长久以来受到了广泛而深入的研究。机载激光雷达(Airborne Light Detection and Ranging,LiDAR)能直接获取目标对象点的三维坐标,回避了传统摄影测量方法在影像间对应性关系求解上的困难,在三维重建领域得到广泛的应用。随着LiDAR技术的不断发展,高精度、高密度的点云数据不断被获取,这使得更精细、复杂的建筑物模型的重建成为可能,但也对已有的重建方法带来了新的挑战,即便是只考虑建筑物的屋顶面,其重建过程仍然面临很大困难。主要表现在以下几个方面:1)场景的复杂性。从复杂地形场景中提取建筑物点仍然面临许多困难,重建过程仍然出现数据不完备的情况或非建筑物点的干扰。2)建筑物结构的复杂性。屋顶面片的尺度、形状不一,面片之间的关联错综复杂,很难用统一的规则或模型基元对其进行有效的描述,过规则化问题时有发生。3)特征检测与拓扑识别的困难。由于LiDAR数据采样的离散性,屋顶面片之间存在相互干扰及遮挡等情况,这使得面片分割、屋脊线及阶跃结构的识别过程中,不可避免地出现错检和漏检。这些问题很大程度上影响了最终模型重建结果的精度与完整率。本文对复杂场景下建筑物屋顶面重建过程中的关键性问题进行了针对性的探讨,具体内容如下:1.针对目前复杂屋顶面片特征的识别困难,研究了高可靠性的点云分割算法。首先综合当前主流的分割算法的思路及各种改进策略,实现了一种基于加权RANSAC的分割算法。然后针对该类方法普遍存在的虚假面片问题,深入探讨了如何将内点与面片间差异更好地反映到权值函数之中,以达到对虚假面片的最佳抑制效果。具体内容包括以下几个方面:一、理想权函数的设计标准;二、不同权函数之间差异的评价指标;三、法向量加权的投票方法。最后,通过对不同加权方式的定性与定量比较,获得最佳的权值函数应用于分割算法之中。2.针对目前方法在获取模型特征时面临的各种问题,深入研究了可靠获取各种模型关键特征的方法:包括屋脊线、阶跃边及内外角点的检测、模型主方向获取、边界获取及整体规则化等问题。重点介绍了多主方向建筑的规则化方向的确定,兼顾了对复杂边界的适应性与对噪声的鲁棒性。另外,探讨了规则化过程中关键性特征的整体调整问题,保证特征的整体一致性。3.针对目前方法在面片拓扑关系的识别和表示上普遍存在的困难,提出了一种渐进式的层次拓扑构建方法。传统基于拓扑图的方法,在判断屋顶面片之间关联的时候,参数设定困难,极易发生错检和漏检,同时在复杂屋顶结构下的表现能力也有限,难以满足重建需求。针对这些问题,本文提出了一种基于层次拓扑树的拓扑构建方法,其优势主要有以下几个方面:一、将模型基元或子结构作为整体引入到拓扑结构中,通过子模型与面片、子模型与子模型之间关系的整体约束与引导,获取更加稳健可靠的拓扑连接;二、采用渐进式的拓扑构建策略,优先获取稳定的拓扑连接,并实现整体模型的不断分解与简化,从而将易错的连接限制在模型的局部,在各种约束下求解。三、引入其它额外的特征与验证手段,如主要水平屋脊和侧面投影,来改善分割与拓扑识别结果。4.针对模型重建结果中可能存在的问题,提出了一种模型漏洞的检测与修复方法。该过程直接从生成的模型边界出发,探讨其与原始点云的差异,对模型漏洞及周围关联的屋顶特征进行精确的定位,然后采用一种假设-验证的方式进行改正,最终保证了生成模型在2D上的连续性及与输入点云的一致性。