建筑物是城市的主体之一。建筑物变化信息对于违规建筑物查处、城市规划管理以及地理数据库的实时增量更新具有重要意义。建筑物变化检测方法可分为二维变化检测和三维变化检测。二维变化检测主要以卫星遥感影像及航空航天影像等作为数据源,变化检测结果易受不同时期影像灰度非线性变化、视点不同造成的透视变形、阴影与投影差等问题的影响。三维变化检测主要以机载LiDAR(激光雷达,Light Detection and Ranging)点云作为数据源,采集成本较为高昂。传统的建筑物变化检测方法在成本、效率及准确度等方面都存在明显的不足和局限性,快速、精确、低成本的三维变化检测方法受到越来越广泛的关注。随着UAV(无人驾驶飞机,Unmanned Aerial Vehicle)硬件和MVS(多视立体密集匹配,Multi-view Stereo)技术的发展,无人机影像密集匹配点云为建筑物变化检测提供了一种低成本的数据来源。但受点云质量、数据遮挡及缺乏变化样本库等限制,现有变化检测方法难以直接运用于无人机影像密集匹配点云的变化检测。本文综合利用影像密集匹配点云蕴含的几何和可见光信息,提出一种基于多层次分割的建筑物变化检测方法。该方法首先对多时相UAV影像密集匹配点云进行网格划分,并计算网格内部的nDSM(归一化数字表面模型,normalized Digital Surface model)和dDSM(差分数字表面模型,differential Digital Surface model)几何形状特征及nEGI(归一化过绿指数,normalized Excessive Green Index)和亮度可见光特征;继而,基于区域生长进行点云分割,并判断分割对象的变化/未变化/不确定状态,对于不确定状态的分割对象,逐步严格生长准则迭代分割,直至判断出所有点的变化状态;最后,综合几何形状特征及可见光特征,识别变化对象中的三维建筑物目标。本文采用两期武汉大学无人机影像密集匹配点云进行实验验证。结果表明,本文提出的三维变化检测方法在建筑物变化检测完整率、正确率及检测质量方面均达到90%以上,且有较高的计算效率和检测精度,实现了UAV影像密集匹配点云目标级三维建筑物变化检测。