复杂曲面测量技术是一个复杂、精密的系统工程，目前广泛应用于逆向工程、建筑、考古、医疗、虚拟现实等众多领域。虽然采用三维激光扫描仪能够精确、快速的获取物体表面的三维坐标信息，但同时由于采集点的数量过多，会降低测量和重建的时间效率。本文正是从“时间效率”着手，兼顾重建精度，从以下两个方面进行了深入研究。　　1.点云精简：在研究了“基于距离的”点云精简和“基于曲率的”的点云精简中的经典算法后，对传统的曲率精简算法做了改进，这种算法首先对点云数据进行Delaunay网格剖分，并求出各个点的曲率的均值，通过对均值乘以一个“阈值因子”，从而确定曲率精简的阈值；然后通过阈值将点云数据分为两个部分，一部分为曲率大于或等于曲率阈值的点，另一部分为曲率小于曲率阈值的点；最后分别为每一部分分配一个权值，并根据每个点的曲率和权值求出各个点的邻域半径，并基于kd?tree算法对点云进行精简。通过在精度和时间效率方面与其它算法进行对比，达到了预期的效果。　　2.基于Delaunay四面体剖分的曲面拟合：深入研究了三维Delaunay四面体剖分的基本理论，以及点排序和点定位中的经典算法，在此基础上，验证并分析了目前工程实践中效率最优的算法组合，即基于“增量插入”算法的“游走”点定位算法与“偏随机”排序算法结合，并将其与另一种算法组合（随机排序算法、增量插入算法和冲突图点定位算法的组合）进行对比，得到了预期的结果。