基于散乱点云的三角网格曲面重建在各行各业中得到广泛的应用，散乱点云能够很好地记录物体的细节，但数据量庞大，如何在曲面重建过程中提高算法效率近年来得到国内外众多学者的关注。本文研究三角网格曲面的快速重建技术，主要研究内容如下：首先，研究了一种线性八叉树在GPU平台上的表示和实现方法，提出了一种父查找表和子查找表的描述方法。对散乱点云进行处理，需要建立点云之间的空间结构，在分析典型八叉树结构的优缺点后，本文采用线性八叉树的表示方法。实现过程包括数据点编码、节点数组创建、邻接关系创建、综合数组创建等，算法充分利用GPU的并行计算特点并建立父、子查找表，实现八叉树的快速建立和高效查找，与目前典型的高效CPU八叉树算法对比，结果显示本文算法有更高的效率。其次，研究了用泊松方程实现散乱点云曲面重构方法及求解过程。用该方法对点云进行无限逼近能表现较好的曲面质量，其中方程求解速度和基函数的选取十分关键。本文采用多重网格的方法来提高求解速度，并对基函数选取对曲面重建中的曲面质量和算法时间的影响进行比较。最后，研究了三角网格的步进立方体抽取方法，通过提取数据场的等值面，输出三角网格。将本文的三角网格曲面重建算法与实验室之前的算法进行比较，结果显示本文算法对大规模散乱点云数据有更好的处理效率，能得到很好的三角网格曲面质量。