一种空地三维实景建模的最优K值确定方法，针对地面三维激光扫描点云数据，首先抽取部分数据采用Mini Batch K‑Medoids算法随机选取K0个样本作为初始聚类中心；针对数据集中的每个样本，计算其到K0个聚类中心点的距离，并分配给距离最小的聚类中心所对应的类中；针对每个类别ci，重新计算聚类中心；获取不同K值下的聚类结果，计算数据中每个簇的点到其聚类中心点的误差平方和，绘制误差平方和随K值的变化规律图，SSE在减小过程中减小程度达到最大时对应的K值或下降突然变缓时对应的拐点即为最优K值。本发明提高模型计算效率和特征点数量选取的准确度。