机载LiDAR系统,集成了 GPS、IMU、激光扫描仪等仪器设备,能够大范围直接获取地球表面目标的高密度、高精度三维坐标以及其物理附属信息,并且对植被等地物具有穿透能力,在地形和建筑物三维信息快速获取方面具有绝对的优势。其中,地形和建筑物信息的自动化提取和表达是一项重要工作,是数字地球和智慧地球框架的基础,同时也是城市管理与规划、灾害防治与应急、环境模拟、车辆导航、旅游宣传等各种专业和大众应用的前提。然而,机载LiDAR点云通常存在遮挡、数据缺失、密度低且分布不均等现象,同时研究区域也存在场景复杂、地形变化多样、目标丰富等情况,为基元选择(如:点、面片、目标)、方法场景适应性、特征保持等带来了极大的挑战,严重影响目标提取和表达的质量。因此,提出了一套地形和建筑物点云稳健提取及其高质量按需表达的方法。其中,主要的研究内容如下:(1)针对单一方法和单一基元无法适应复杂的场景和地形问题,提出了自适应分区的点云滤波方法。该方法首先对点云进行虚拟格网化处理,生成格网点云和其他点云,并将格网点云划分成两种类型区域,分别通过面片基元和点基元表示;然后,采用点云分割滤波方法和改进的多尺度形态学对两种类型区域进行处理,以此得到地面格网点云;最后,将提取的地面格网点云生成DEM作为基准,从未分类的点云中提取最终的地面点云。为了验证算法的性能,选取ISPRS测试数据集和两份大场景点云进行实验,对结果进行定性和定量分析,并与其他方法对比,结果表明:在场景复杂、地形多样以及点云密度低且分布不均的情况下,自适应分区的滤波方法可以稳健提取地面点云,并能够很好地保持地形特征。(2)为了克服基于目标局部区域的几何或物理特征对目标刻画的不稳定性,以提高建筑物点云提取在不同复杂场景下的适应性,提出了一种基于自顶向下策略的建筑物点云稳健提取方法。该方法借鉴人眼视觉系统识别目标的方式,从目标整体层次识别建筑物区域,再从目标细节层次精确提取建筑物点云。具体来说,在点云滤波后,从非地面点云中提取疑似建筑物的目标区域;再对提取的目标区域进行精确分类,划分成建筑物目标区域和非建筑物目标区域;最后从建筑物目标区域剔除非建筑物点云,从而准确提取最终的建筑物点云。为了验证算法的性能,采用ISPRS提供的5份测试数据以及两份大场景点云进行实验,对结果进行定性和定量分析,并与其他方法比较,结果表明:在不同的复杂城市场景下,算法能够稳健地提取各种类型建筑物,并且能够较好地区分建筑物与植被等地物。(3)在地面和建筑物点云提取后,设计了一套带特征约束的地形模型和多细节层次建筑物模型构建方法。其一,通过点云分割和面片拓扑分析提取地形断裂线,并采用层次方法规则化建筑物边界,从而以此作为约束生成具有特征保持特性的高质量数字地形模型。其二,针对不同应用对建筑物细节的不同需求,提出了一种基于形态学尺度空间理论的多细节层次建筑物模型构建方法。从点云层面出发,利用基于结构约束的形态学重建方法生成多细节层次建筑物点云数据,再利用数据驱动方法构建各个层次的建筑物三维模型,以此实现多细节层次建筑物模型的生成。为了验证算法的性能,分别选择了典型的案例数据对地形和多细节层次建筑物模型构建进行测试,并对结果进行定性和定量分析,结果表明:方法能够有效生成带地形特征约束的高质量数字地形模型;方法能够直接从建筑物点云生成各细节层次模型,不需要对最精细模型进行简化综合操作,从而更好地服务于不同用户的需要。