随着坐标测量设备的发展,人们能够方便地获得实物样件大量的散乱点云数据,促进了逆向工程技术的发展,并在制造业广泛应用。然而,在逆向工程建模技术的研究与应用中,多数是将点云数据转换成三角网格模型,然后在三角网格基础上进行数据处理与模型重建。由于在将点云数据转换成三角网格模型时信息量成倍增加,且后续处理对网格质量要求较高,因而,研究直接以散乱点云数据为对象的数据处理与曲面重建技术,对提高逆向工程中测量数据的处理能力和建模效率具有重要意义。本文直接以测量获得的散乱点云数据为对象,研究了点云数据的几何特性计算、平滑处理、孔洞修补、数据简化等,在此基础上,进一步研究了点云数据分块、四边界区域划分及曲面拟合。取得的研究成果如下:提出了一种基于法向距离的法矢全局协调算法。该算法采用微切平面法计算散乱点的法矢,然后根据法向距离阈值,把点云数据划分为平坦点和非平坦点,在法矢调整时采用传播的思想,根据邻近子集是否含有非平坦点选择不同的调整顺序,大大提高了法矢方向调整的效率,并用三次最近距离法解决了传播过程中可能出现的死锁问题。在法矢估算的基础上,提出了一种基于测量点法矢修正的散乱点云数据平滑处理方法,该方法通过对特征区域和非特征区域采用不同的法矢修正策略,使平滑后的点云既达到了非常光滑的效果,又保持了点云的形状和特征,甚至修正不理想特征。提出了基于欧几里德距离的局部二次参数曲面拟合来估算散乱点云曲率的算法,在此基础上提出了一种基于曲率约束极值点密度的散乱点云数据简化方法。该方法通过标记出曲率极值点,根据给定的简化比率计算曲率阈值,得到曲率约束极值点,根据测量点的k-邻近所包含的约束极值点的密度,计算出点之间的简化距离阈值并对点云进行删减。实例表明,本文算法的简化结果既较好地保留了形状特征,同时使点的分布以点云密集的强制保留区为中心,在向附近扩散的过程中逐渐变稀,避免简化后点云的局部过密或局部过稀的情况。提出了一种基于移动最小二乘法的点云数据中非封闭无特征孔洞和非封闭特征孔洞修补算法。该算法用三次B样条曲线修复点云模型边界及特征线,将非封闭无特征孔洞转化为封闭无特征孔洞,非封闭特征孔洞转化为若干个封闭无特征孔洞。然后应用移动最小二乘法建立孔洞区域的隐式曲面方程,在对投影孔洞进行重新采样后,把新生成的点映射到曲面上,使得最终修补的孔洞曲面同其周围曲面保持良好的几何一致性。实例证明该算法具有较好的修补效果,适合对点云中任何部位出现的孔洞进行修补。提出了一种基于特征的数据分块方法。该方法采用粗略分块与精确分块相结合的