逆向工程作为产品快速成型的重要技术,在电影特技、医学、文物修复等领域中有着广泛的应用。散乱点云简化及三角剖分曲面重建是逆向工程中两个关键的技术,然而,许多简化算法和三角剖分算法都存在着边界点或边界线丢失的问题。针对上述点云简化和三角网格剖分中存在的问题,本文提出了一种改进的点云边界提取算法,并在边界点提取的基础上,给出了一种保留边界的点云简化算法和一种基于边界约束的Delaunay三角剖分算法。具体所做工作和取得成果如下:　　(1)基于k邻域分布均匀性的边界提取算法时间复杂度较高,本文提出了一种基于k邻域均匀性分布的改进算法。即用均匀性度量值替换原来的角度标准差对边界点进行判定。实验结果表明改进后的算法效率有了较明显的提高,且边界点的提取效果良好。　　(2)针对点云简化效率低和简化后点集产生孔洞及点云边界丢失的问题,提出了一种基于法向变化量的散乱点云简化算法。首先通过 kd-tree与包围球相结合,查找出点的近似k近邻;随后在k邻域内,利用法向变化量提取出特征点和非特征点;最后分别对特征点和非特征点进行处理,即对特征点按比例进行保留,而对非特征点在k邻域内仅保留一点。实验结果表明本文算法简单、高效,且不会产生孔洞,同时简化后的点集仍能保留完整的模型边界。　　(3)分析了散乱点云空间投影法三角剖分对边界点处理的不足,提出了一种基于边界约束的 Delaunay三角剖分。首先将已提取的边界点连成线,进而用边界线对Delaunay三角剖分进行约束,最后用对半划分增量附加点插入法使剖分后的三角网格保留了模型的边界。