随着三维测量技术的快速发展，人们能够很便捷地获得实物模型表面的散乱点云数据，这大大促进了逆向工程技术的发展。基于点云数据的曲面重构是逆向工程中的一个热点研究方向，在工业、计算机视觉等领域有着广泛的应用。因此本文专注于散乱点云曲面构算法的研究。在总结当前点云网格重建技术研究现状的前提下，分析基于投影的区域增量算法的缺陷和不足，提出新的自修复重建算法和STL模型拓扑修正策略，并搭建实验平台测试算法的有效性。　　基于投影的区域增量重建算法原理简单，重建速度快。但对点云数据应用传统区域增量算法后，重建生成的三角网格拓扑在原始模型表面尖锐处容易形成空洞、裂缝等明显瑕疵。本文在分析其空洞产生原因，针对性地改进了原有区域增量算法的重建流程，重新定义参考点三角化细节，并引入辅助修复模型空洞的单边索引表，结合该数据结构提出了详细的空洞自修复策略与步骤。实验结果表明，该改进算法在不提高时间复杂度的情况下能够有效地降低重建模型空洞的出现，大大提升重建渲染效果。　　此外本文延续了传统的逆向重建过程，结合3D打印技术，在重建生成三角网格拓扑信息的基础上，将其数字模型以STL文件的形式进行表示，并进行3D打印，从而得到采样模型的一个复制实体。由于一般曲面重构生成的曲面模型拓扑信息错误严重，与标准STL模型文件要求差距较大，因此本文还提出了一种针对重建模型错误拓扑的综合修正算法。结合前述点云模型自修复重建算法的特点，修复算法针对性地处理包括裂缝、连环空洞、多边共线等较为严重的拓扑错误，使得重建曲面模型在修复后能够生成标准的STL模型文件，提供给3D打印机使用。　　文章还介绍了实验平台的架构，结合当前主流游戏引擎强大的渲染能力，该平台提供了点云数据在模型重建过程中的实时渲染与调试功能，使用者可以在多种模型渲染方式间切换，与原始模型对比，同时还可以任意地调节点云数据的曲面重构速率，清晰地观察到重建过程中的每个细节，从而找出问题并优化当前的重建或模型修复算法。　　文章的最后一部分对全文进行总结，并指出今后进一步的研究与工作方向。