文物体现了中华民族不同时期的发展与变化,是五千年以来人类劳动和智慧的结晶。但是由于风雨的侵蚀、地震的破坏、战争的损毁以及人类挖掘的损坏等因素,文物出现了不同程度的残缺。所以对文物进行数字化保护,能够在研究其历史价值和文化价值的同时,不再对其进行二次损坏。但是在数字化过程中,由于现有的基于扫描的和基于深度相机的数字化方法存在遮挡、人工误差、传感器分辨率限制等问题,文物会产生较大的残缺区域,所以对残缺的点云数据进行形状补全具有十分重要的意义。本文围绕残缺兵马俑的形状补全问题,研究了基于深度学习的点云降采样及形状补全技术。主要研究进展包括:1)构建兵马俑数据集。首先使用激光扫描仪采集兵马俑点云数据,再进行去噪、孔洞填充、平移、缩放、坐标转换等处理。通过分析真实兵马俑的数据特征,自动生成残缺的兵马俑数据,为本文提出的深度学习网络提供足够的、符合要求的训练数据。2)提出了一种基于边缘检测算法的点云降采样方法。围绕兵马俑真实数据密度太大、无法直接训练的问题,设计基于边缘检测算法的点云降采样网络,利用边缘检测算法HED提取特征点,再根据二维图像与三维模型的对应关系,对真实的兵马俑数据进行降采样操作。通过与现有方法进行对比可知,该方法能够在模型点数在减少的同时,尽可能地保留模型的轮廓和细节特征。3)设计并实现了一个基于多尺度和折叠结构的点云形状补全框架。针对兵马俑由于不同原因造成的残缺问题,设计兵马俑点云的形状补全网络,利用卷积与池化对残缺点云进行编码,再结合多尺度结构和折叠结构对其进行解码,从而对残缺的兵马俑进行补全操作。通过与现有方法进行对比可知,该方法能够更高效、更真实、高精度地补全模型。