三维重构技术通过快速完成场景物体形貌的恢复,可以为工程装备的自主作业、机器人避障等提供可靠的环境信息。基于激光雷达扫描得到点云数据的三维重建方法,这些年越来越多的受到国内外专家学者的关注。随着三维点云采集系统扫描精度的不断提高,海量的数据无疑影响了重构算法的运行效率,现有的重构算法也愈发不能满足人们对于重构效率的高要求。另外,往往由于被测对象复杂的拓扑结构、设备系统的误差或者外部的遮挡等原因,导致扫描采集回来的点云数据含有孔洞。本文首先针对激光雷达采集得到的点云数据进行密度调整预处理,然后对三维重建中的贪婪投影重构算法进行改进,最后提出一种基于蒙特卡罗法的RBF点云孔洞修复算法。从而解决重构中点云密度分布不均以及数据缺失的孔洞问题,提高重构效率。主要完成工作如下。1)设计了一种基于断层轮廓点插补的点云密度调整算法。针对扫描线点云密度严重分布不均的问题,提出在测量方向上依据点云间隔距离删除冗余数据点;在扫描方向上,采用断层轮廓点插补算法在每两条相邻扫描线点云之间进行插补。通过对点云数据的预处理,使得点云数据基本均匀分布。2)提出了改进的贪婪投影重构算法。提出采用体素化网格滤波对点云进行下采样,精简点云数据。针对重构中k-d树搜索邻近点要进行多次回溯的问题,采用八叉树代替。算例表明,通过数据精简、搜索算法的改进,在保障重构精度的前提下,提高了重构效率。3)提出了一种基于蒙特卡罗法的RBF点云孔洞修复算法。孔洞修复包括孔洞边界提取、孔洞数据点填充、三维待补测数据生成三部分。在孔洞填充部分,针对常用的三角化填充计算量大、较为复杂的问题,提出基于蒙特卡罗思想,依据边缘点密度生成孔洞填充数据点的算法。并通过算例证明,能够有效恢复孔洞区域原有的形貌结构,修复后的孔洞与其边界点平滑连接,过渡自然。并且缩短了修复时间。