随着计算机技术以及三维激光扫描的软硬件技术的迅猛发展，三维数据处理技术愈来愈多地得到人们的关注和应用，其应用领域已经从传统的制造业扩展到工程测量、大型建筑的变形监测、文物保护和三维数字化城市的场景重建等方面。本文在全面总结和分析点云数据处理理论、方法和应用现状的基础上，结合本文研究课题，北京市教委重点科研基金重点项目：面向古建筑大尺度结构主动提取与自动三维重建机理研究和国家自然科学基金项目：基于地面影像测量的古建筑三维结构提取研究，针对该项技术中的若干关键问题，着重从以下三个方面进行了深入研究：　　 (1)对数据精简技术进行了深入探讨，通过对常用精简方法的优缺点分析，采用了基于聚类的精简方法，即按照聚类的方法，将点云中彼此相似的离散点聚合起来，形成不同的类，根据点间的几何相似性简化各个类中的数据点，既可以降低特征信息损失，又可以实现点云的均匀精简。　　 (2)通过对国内外点云数据区域分割算法的对比研究，总结了常用的各种点云分割的优点及不足，设计了基于八维向量的均值聚类分割算法，先对数据进行精简处理，然后估算出点云数据的高斯曲率、平均曲率、法向矢量，将它们和数据点的坐标合在一起构成八维特征向量，最后用马氏距离代替欧式距离，利用八维特征向量进行均值分割。该方法具有良好的抗噪声性，提高了分割的准确性。　　 (3)对曲面重建的方法进行了分类和归纳总结，研究了Delaunay三角剖分的相关理论，并探讨了两种平面三角剖分算法，即逐点插入法、三角网生长法，比较了这几种算法的优缺点。最后，为了加快曲面重建速度，设计了一种点云数据的三角剖分方法，基于三角网生长法的改进算法。该方法还结合matlab中的三角网显示函数，提高了建网速度，改善了建网效果。