点集简化是点云处理中首要的预处理环节。为尽量避免损失被测物体的工程信息，提出了一种基于模糊聚类的简化算法。通过引入几何相似性隶属度来表征被测物体形状的自然变化，使简化点集倾向于聚集在曲面的陡峭区域，降低简化可能导致的形状损失；同时以强制约束相似性隶属度反映设计者的工程和设计要求，能有效抑制工程信息和设计信息的缺失。 特征线提取是点云处理中另一项重要的预处理工作。为保证特征线提取的稳定性及精度要求，提出了一种基于数字图像薄化的多尺度特征线提取算法。利用局部熵和重复度描述采样点在不同尺度下属于某个特征的可能性大小，保证算法的稳定性；通过将提取的特征点云映射为数字图像和进行薄化处理，获取光滑的特征线，能在一定程度上处理密度分布不均的点云，并保证特征线的质量。 曲面重建是点云处理的核心。为加快曲面重建的前处理速度，避免因采样点的少量丢失而导致重建表面出现缝隙，探讨了一种基于曲面单元分解的重建算法。借鉴推进波前法，基于子域环的构造和中心环的推衍，使所有点的法向指向被测物体的外侧，可缩短法矢检验的时间；在各采样点处建立相互交迭的曲面单元，以近似包围在点云内部的空间，可得到质量良好的重建表面。