先进制造行业的发展离不开高精度高效率的表面测量。基于零件设计模型，设计智能化的采样策略与精确高效的曲面重建算法是表面测量领域在算法层面所需研究的核心内容。目前曲面重建与智能采样多是以B样条与NURBS模型为基础，然而，B样条与NURBS局部细化能力较差，在表达非均匀曲面时会产生很多的冗余控制顶点。近些年来新提出的T样条模型尝试解决这个问题，但由于其数学性质与局部细化算法不够稳定，在应用于曲面重建时可能导致重建结果不稳定、重建曲面数学简洁性与计算效率不可兼顾、冗余控制顶点较多等问题；为了解决稳定性问题，相关学者发展出了T样条的子类，适合分析T样条(ASTS)。然而，由于其本身计算成本略高，应用于曲面重建时计算效率亟待提高。
　　针对上述问题，本文提出了一种基于ASTS的高效率曲面重建方法。该方法能够根据输入点云的曲率信息构建初始的AST网格，利用最小二乘法求解控制顶点，得到ASTS曲面，并根据误差不断细化AST网格并局部求解控制顶点，从而高效而精确地重建出符合误差要求的ASTS曲面。实验结果表明，在控制顶点数量相同的情况下，本文提出的算法能够重建出比NURBS更加精确的样条表面；与一般的T样条重建算法相比，在保证曲面数学形式简洁的同时，还具有更高的计算效率。
　　针对自由曲面的扫描采样应用，基于ASTS模型设计了一套面向ASTS曲面的智能采样策略。该采样策略结合ASTS的特性，能够根据曲面几何信息合理布置采样点。实验结果表明，相比于传统的均匀采样和Hamersley采样策略，基于ASTS模型的智能采样策略得出的采样点位置更加合理，利用ASTS重建得出的曲面精度更高。