随着现代社会生活水平的不断提高，人们对精细化三维物体表达模型的需求日益增加。与此同时，三维点云获取方式的日益丰富也使得我们对周围世界的数字表达能力得到了显著提升。因此，在当前的行业发展背景下，利用三维点云高效简便地生成高精度的三维网格模型也开始显得尤为重要。点云表面重建技术作为一种三维网格模型的典型生产方式，因其便捷和高效的特点，在诸多行业领域逐渐得到了广泛的应用。
　　本文主要聚焦于基于屏蔽泊松方程的表面重建方法，提出利用法向准确性约束来解决屏蔽泊松重建算法的过拟合和伪曲面生成问题，从而进行更为精确且高效的点云表面重建。本文主要研究了法向估计和表面重建两方面的内容。第一，针对具有噪声、非均匀采样和尖锐特征的点云数据，提出了一种结合距离、拟合残差和法向偏差的鲁棒性迭代法向估计算法，借助法向估计迭代过程中的法向偏差值来对样本点进行自适应的邻域大小选取，在此基础上根据迭代过程中估计的初始和最终法向的偏离程度，求取其在所有样本点高斯分布下的分布区间，从而确定该样本点法向估计的置信度。第二，针对屏蔽泊松重建算法在法向不准确区域容易生成错误表面的问题，进一步提出利用法向估计的准确性来进行针对性约束，一方面根据该约束对采样点的权重进行分配，使其在各个分辨率下都有更准确的位置约束；另一方面借助法向准确性约束来限制样本点所在八叉树节点的扩展，以获取更高效的一致性八叉树进行多重网格求解。此外，本文在等值面提取中也针对移动立方体的连接二义性和低效检索问题，进行了渐近线处理和一致性八叉树优化，最终实现对点云模型的表面重建。
　　本文在真实三维扫描数据集、多视图密集重建数据集和标准仿真数据集上，分别对法向估计算法和表面重建算法进行了对比实验。在法向估计部分，在不同程度噪声、非均匀采样和尖锐特征处的定量分析与定性比较，表明了本文提出的鲁棒性迭代法向估计算法可以对不同点云缺陷进行准确的法向估计。在表面重建部分，通过与原始泊松重建算法和屏蔽泊松重建算法的多维度对比分析，也表明了本文提出的引入法向准确性约束的屏蔽泊松表面重建算法，能有效解决不准确法向导致的伪曲面生成问题，从而重建出更准确的表面。此外，本文也对该表面重建算法的运行效率进行了对比分析，实验表明了本文算法的高效性。最后凭借对置信度阈值的参数选取分析，也在一定程度上体现了本文算法在不同重建深度下的泛化性。