由于城市地区的人口密度较大,是生产生活的集中地区,而建筑物模型可以有效的反馈城市的空间信息,因此,选择一种高效的建筑物模型提取方法具有一定的现实意义。机载LIDAR技术是一种新型的测量技术,通过这种技术可以快速、准确地提取地表的LIDAR点云数据,从而可以对城市地区的建筑物模型进行提取。使用LIDAR技术来提取建筑物模型与传统的航空影像提取方法相比,具有很多优点：首先,LIDAR是一种主动传感器,无需借助其它光源,受外界环境的影响较小,因此能够全天工作,而光学测量方法因受外界环境的影响较大而不能全天工作；其次,当前的LIDAR系统可以有效的获取稠密的点云数据(每平方米5-10个点),从而使得提取的数据精度较高且边缘特征线较稳定,而光学影像中的建筑物的特征线会受到光照和阴影的干扰而呈现不稳定的特性；再次,对于那些用光学测量方法很难区分的区域,如茂密的森林地区、稠密的城区、沙漠地区等,使用LIDAR技术能更好的进行区分。综合来看,采用机载LIDAR技术来提取建筑物模型是一种准确而高效的方法。鉴于完全自动化的建筑物提取算法数量有限,这在很大程度上限制了机载LIDAR技术的应用。本文针对基于LIDAR点云数据的建筑物提取过程中的若干关键技术进行了研究,提出了一种新的全自动的提取方法,具体的研究内容包括：1.介绍了LIDAR技术的相关知识,包括LIDAR系统的工作原理、应用领域、LIDAR点云数据的特点以及几种典型的LIDAR点云数据滤波处理算法和建筑物提取方法。2.提出了一种基于条带划分的分类方法。由于建筑物点属于非地面点,故在进行建筑物提取的过程中,首先要做的就是对原始点云数据进行分类,将其划分为地面点和非地面点两类。具体来说,将块数据在X方向和Y方向上分别进行条带划分,并对点云中的每个点在这两个方向上进行分类,分类结束后可将其分为地面点和非地面候选点,之后对非地面候选点进行筛选,若某点两次分类结果都属于非地面候选点,则认为此点为非地面点,反之则为地面点,两次分类不同的点通常在陡峭的斜坡上本文提出的分类方法是以条带划分为基础的,通过条带划分实现了对三维LIDAR点云数据的降维处理,加快了分类速度。实验结果表明,相比于已有的渐进不规则三角网加密法和基于坡度的滤波方法,文中方法得到的数据总误差率更低,结果更为精确。3.提出了一种基于Delaunay三角剖分的建筑物分割及边缘提取方法。当LIDAR点云数据被分类为地面点与非地面点后,属于一个建筑物的点及其边缘的点应该被鉴别出来。提取属于一个建筑物的点的过程称为分割,现有的建筑物分割方法大都需要选取种子点,而目前尚未有特别理想的种子点选取方法。此外,现有的边缘检测方法大都采用基于图像的边缘检测方法,而这些方法提取到的建筑物边缘与实际边缘存在一定的位置上的差异,因此用于图像的边缘提取算子通常只能处理GRID格式的数据。鉴于现有的建筑物分割及边缘提取方法中存在的不足,对于空间分布不规则的离散LIDAR点云数据的分割及边缘提取,需要寻求其他的方案。本文提出了一种适合离散的LIDAR点云数据的建筑物分割及边缘提取方法。通过Delaunay三角剖分对LIDAR点云数据建立Delaunay三角网,从而建立了点与点之间的邻接关系,再判断三角网中每个三角形所属的分割片,最后通过面积控制消除碎片,从而去掉了和建筑物等高的树丛等小面积的噪声。选取长春市文化广场一带四平方公里的LIDAR点云数据作为实验数据,用以对本文提出的方法进行验证。实验结果表明,使用本文的方法能够检测出点云数据中的绝大多数建筑物点,并且能够提取出每栋建筑物的边缘线,且提取出的边缘线较为平滑。可见,本文提出的方法能够满足一般的建筑物提取需求。