利用GmAPD（Geiger Mode Avalanche Photo Diode）阵列激光雷达探测器对远距离建筑物目标进行三维成像并识别在机器视觉以及武器制导等方面具有重要研究意义。但目前GmAPD阵列激光雷达探测器存在数据获取困难、数据噪声强以及目标三维特征描述困难等问题。本文围绕上述问题,研究了GmAPD阵列激光雷达探测器模型仿真算法以及远距离建筑物三维目标识别和追踪算法。论文主要研究如下:针对数据获取困难的问题,提出了GmAPD阵列激光雷达探测器模型仿真算法。通过对GmAPD阵列激光探测器的成像原理和噪声特性进行分析,引入基于泊松分布的光子响应模型,设计并完成了模型仿真方法。利用Delaunay三角化对模型表面进行了重建,得到了更为准确的表面信息。同时在求解脉冲回波反射光路时,引入BVH（Bounding Volume Hierarchies）树和M（?）ller-Trumbore射线三角相交算法将模型求解过程加速了53.37%,最后,经验证仿真数据与真实数据误差控制在12%以内。针对现阶段国产GmAPD阵列激光雷达探测器数据背景噪声强、目标回波弱的问题,分别提出了改进的体素网格去噪算法和基于距离的三维区域生长去噪算法进行噪声抑制。在进行多帧累计到体素网格时,采取将体素网格边界模糊化的方式去除背景噪声。利用选取的距离区间控制三维区域生长进一步去除目标表面噪声。实验结果表明,相较于基于时间相关多帧累计成像算法去噪效果,改进的体素网格去噪算法使得目标区域均方根误差从51.81降至9.55,而基于距离的三维区域生长去噪算法进一步将目标区域均方根误差从9.55降至1.78,大幅度还原了目标表面三维信息。针对GmAPD阵列激光雷达探测器远距离建筑物目标特征描述困难的问题,提出了基于主方向的相对空间位置表征算法。首先得到特征点在其所在平面的形状分布直方图,然后计算其他平面相对于特征点的方向及距离,从而得到空间主方向以及对应的距离,最后串接两种表示方式获得特征点相对空间位置表达。实验结果表明,本文提出的描述算法相较于三维形状上下文特征描述能将配准精度提升11.8%。