结合形状和密度聚类（DBSCAN算法），利用matlab软件，对分离后的点云数据进行聚类分析，将点云数据分成多个簇。对每个簇，进行形状特征提取。对于每个簇中的点云数据，提取形状特征，利用这些形状特征，对点云数据进行分类。将分类得到的点云数据进行拟合，得到建筑物模型，并附上代码

以下是结合形状和密度聚类（DBSCAN算法）的 MATLAB 代码实现，用于对分离后的点云数据进行聚类分析，并提取形状特征：

% 加载点云数据
data = load('point_cloud_data.txt');

% 形状特征提取
epsilon = 0.1; % DBSCAN算法中的半径参数
minPts = 5; % DBSCAN算法中的密度参数
idx = dbscan(data,epsilon,minPts); % 进行密度聚类
num_clusters = max(idx); % 获得聚类簇的数量

for i=1:num_clusters
    cluster_points = data(idx==i,:);
    % 对每个簇中的点云数据提取形状特征
    feature1 = mean(cluster_points); % 平均值
    feature2 = std(cluster_points); % 标准差
    % ... 其他形状特征的提取
    
    % 对点云数据进行分类
    % 这里只是一个示例，可以根据实际需求进行修改
    if feature1 > threshold1 && feature2 > threshold2
        cluster_label = 1;
    else
        cluster_label = 2;
    end
    
    % 将分类得到的点云数据进行拟合
    if cluster_label == 1
        % 使用最小二乘法拟合建筑物模型
        % ...
    else
        % 使用其他方法拟合建筑物模型
        % ...
    end
end

需要注意的是，这里的 `point_cloud_data.txt` 是一个文本文件，包含了点云数据，每一行表示一个点的坐标（x,y,z）。在实际使用时，需要根据自己的数据格式进行修改。

此外，还需要根据实际需求对形状特征的提取、点云数据的分类、建筑物模型的拟合等部分进行修改和完善。