近年来,基于各种获取设备生成逼真的三维数字化模型已成为获取物体表面信息的主要手段之一,在计算机图形学、计算机视觉、测量学、机器人学、考古学等领域得到了广泛应用。获取设备采集到的原始数据通常以三维点云表示,由于其简洁性和灵活性,逐渐成为各类研究和工程应用中常见的处理对象。利用三维数字化设备对已有实物进行扫描获取表面三维点云数据,并对采集到的点云进行分析处理,进而进行准确、快速的三维重建,是当前三维数字可视化处理技术的关键问题。三维点云信息处理技术已成为当前应用的瓶颈,发展三维点云数据处理理论及方法已成为目前学术界研究的焦点。本文对重建过程中点云数据处理的关键技术进行了深入研究,主要包括点云的去噪、配准以及网格重建等技术,具体研究工作总结如下。首先,为了提高点云的质量,在消除离群点和噪声点产生不利影响的同时,保留物体表面的尖锐特征,提出一种基于法矢修正的点云去噪平滑算法。使用统计分析技术去除离群点,通过加权协方差分析法进行初始法向量和曲率估计,采用自适应动态邻域将近邻点限制在法矢相近区域,进而在三边滤波因子修正法矢量的基础上,三边平滑降噪点的位置。实验结果表明,该算法不仅能够有效去除点云模型中的大噪声点(离群点),而且在对小噪声平滑的同时保持了点云模型的尖锐及边缘特征,去噪效果良好。其次,针对随机采样一致性(RANSAC)方法穷举对应关系导致多次重复计算的缺陷,结合特征描述的方法,提出一种基于关键点描述的RANSAC初始配准方法。通过3DSIFT提取关键点缩小选点范围,鲁棒的FPFH描述子替代欧式距离进行有效对应关系查找,缩小样本集以及设定最小距离阈值提高查找最优变换的效率,最终缩短两片点云间的距离。实验结果表明,该算法有效提高了配准的准确性和稳定性,为下一步精确配准提供了良好的初值。再次,针对传统迭代最近点(ICP)算法迭代速度慢、错误匹配点对多、耗时长的问题,提出一种基于邻域特征的ICP点云精确配准方法。采用均匀采样和特征空间采样相结合的方式快速提取参与匹配的特征点,通过新的对应点搜索方法,提高配准的精度,并加入邻域特征降低误配的可能性,加速最近点的迭代收敛。实验结果表明,该方法提高了配准的精度和速度,克服了ICP算法计算量大耗时长的问题,具有更高的可靠性和稳定性。最后,为了能够快速地由大噪声重叠点云生成三角网格曲面,提出一种针对大噪声重叠点云的快速网格重建算法。采用改进降采样方法去除冗余,得到均匀采样的点云表面,通过移动最小二乘法(MLS)获取更鲁棒表面法线的同时,得到较光滑的流形表面,在此基础上采用多准则局部投影三角化算法快速完成点云的网格重建。实验结果表明,该算法显著提高了曲面重建的速度,另外,采用的降采样和MLS平滑策略有效提高了算法处理噪声点云的能力。