随着三维重建在逆向工程、工业设计和虚拟现实等领域中的广泛应用,三维重建技术已经成为快速获得实物数字模型的重要手段。在三维重建的数据采集过程中,因点云具有简洁、采集方便、易存储的特点,所以往往使用点云表示物体的模型信息,因此如何从由海量散乱点云数据表示的点云模型高效、准确地重建其三维几何模型,依然是需要深入研究的问题。本文是对散乱点云数据的表面重建关键技术的研究,是在已有点云数据的基础上还原点的几何拓扑结构,恢复物体模型的表面形状,使得重建的表面尽可能地反应实物表面的形状特征。本文围绕从空间散乱点云到三维网格模型这一过程进行研究,对其中的点云空间剖分、点云精简、点云网格化等关键技术进行深入研究,取得了如下研究成果:1、研究了点云空间剖分算法,针对k-d树剖分时的回溯和八叉树剖分时空间的放大而产生的效率低下问题,采用一种混合剖分策略,该方法既可以缩小剖分空间,还可以针对点云密度分布特点自动调整剖分深度。2、研究了点云精简算法。针对已有点云精简算法中忽视点云特征和计算效率低下等问题,提出了一种基于混合剖分的点云自适应精简方法,该方法改进了点云密度的估算方式,且可以有效地控制精简程度,其精简结果能在保持局部特征的同时最大限度地使点云分布均匀。3、研究了点云网格化方法,提出了一种基于Delaunay准则和生长法的空间直接网格化方法。该方法制定了网格化时的各种限制规则,设计了顶点评价函数来选择最优点,并可以人为控制网格化的效果。该方法可直接在空间对点云进行网格化,避免了其他方法中出现的复杂计算,极大地提高了网格化的效率。4、实现了点云表面重建平台。该平台主要用于对实验结果进行显示,平台内部实现了本文提出的各种算法。最后将平台重建的结果与其他算法的结果进行了对比分析。