三维建模在智慧城市管理、历史文化遗产保护和地质灾害应急救援等领域应用广泛。随着测绘科学技术与设备制造业的发展,基于多源数据的三维数据融合建模产业呈现出欣欣向荣的局面。倾斜摄影测量和三维激光扫描作为常见的空间数据采集方式,在生产中应用越来越广。在三维建模的多源数据融合算法研究中,由于受到多源数据自身异源异构和数据量大等数据特性的限制,导致多源数据融合算法在三维建模过程中效率低且效果不佳。基于倾斜摄影测量和三维激光扫描采集的数据融合也存在类似问题。针对上述问题,本文分别从图像融合处理、点云融合处理和多源数据融合等方面关键算法进行深入研究。论文的主要研究内容及研究结果如下:(1)针对图像融合研究中常规图像边缘检测算法检测不敏感的问题,本文构建了一种改进拉普拉斯的边缘检测算法,该算法首先对图像进行增强处理,并用高斯滤波器平滑图像,抑制噪声;然后对RGB三个相位分量方向分别进行拉普拉斯模板锐化拉伸;最后对这三个分量进行相位重组,实现改进算法的边缘检测。论文对构建的改进算法进行了对比实验研究,研究结果表明:与其它算法相比,本文构建的算法边缘检测效果更好,所获得的峰值信噪比(PSNR)高于常规算法,且均方误差(MSE)更小,同时,算法具有更好的鲁棒性。(2)针对点云数据融合处理中经典SAC-IA算法效率低、经典ICP算法迭代收敛速度缓慢,且迭代解普遍陷入局部最优解等问题,本文基于SAC-IA和ICP算法,构建了一种结合SAC-IA和ICP算法的点云融合处理改进算法,为后续的多源点云数据融合提供算法支撑。该改进算法的处理过程如下:在利用SAC-IA算法初始配准时,先对点云数据进行点云LOF因子精简处理,删除不必参与后续配准运算的点云,以提高点云粗配准处理效率;在利用ICP算法进行精确配准时,采用R树索引,加速对应点对查询,然后用方向向量的角度阈值对错误匹配点对进行剔除,进而提升精配准效率。论文对构建的改进算法进行了实验对比分析研究,实验结果表明:改进算法在耗时、均方误差和配准误差等方面均优于经典算法,该改进算法在配准耗时、精度和算法效率上提升明显。(3)针对不同数据源,特别是倾斜影像点云和激光雷达点云在进行多源数据融合中出现的融合数据不兼容的问题,本文构建了一种R树索引的点云融合处理算法,对运动恢复结构(SFM)生成的密集点云进行数据结构和模型一致的转换,为后续两种数据融合建模提供技术支撑。该算法首先对点云创建三维R树索引并加载保存至点云数据;然后组合多视点云,搜索点云球体邻域、映射点云至更高维空间,在空间中建立最大间隔的超平面,在此基础上做多个平行超平面用以分离点云,利用Delaunay生长法生成三角形,进而进行点云数据结构匹配判识;最后,进行线性转换。(4)论文基于倾斜摄影点云数据和激光雷达点云数据,融合两种数据并开展三维建模实验,并将其与单一数据源的三维建模成果进行比较。实验结果表明:基于多源数据融合的建模效果优于单一数据源的建模效果。