三维地质建模在上个世纪90年代初开始受到人们的重视，并且逐渐成为计算机图形学、计算几何学、油气藏勘探和GIS领域的研究热点。三维地质建模包括两类模型的构造:三维地质框架模型的构造和三维地质实体模型的构造。其中三维地质框架模型的构造主要是断层面和层位面的构造。由于地质曲面比较复杂，常常含有孔洞、裂缝、凹凸不平等等情况，而且地质曲面原始点云的数据量都会很大，因此如何从点云数据快速重构出符合地质需求的曲面成为了地质建模中首先需要解决的问题。　　由空间散乱点云重建三角网格曲面的算法通常可以分为三类:基于三维Delaunay三角化的曲面重建算法，基于距离场等值面抽取的曲面重建算法和基于局部区域增长的重建算法。现有的基于三维Delaunay三角化的曲面重建算法大都被设计用来重建闭合物体的表面，在重建开放曲面较多的地质曲面时表现并不理想;基于等值面抽取的重建算法时间复杂度往往很高，在重建数据量较大的地质曲面时其运行时间过长;而基于局部区域增长的重建算法往往需要额外的信息输入，对许多应用程序而言这是不可接受的。本文针对地质曲面的特点，在详尽研究了以上三类算法的基础上提出了针对不同应用场景的重建算法，使得地质曲面重建的过程速度更快，重建效果更好，能够处理的数据规模更大。　　本文的主要工作可以概括为以下几个方面:　　1)针对要求重建曲面严格过原始点的情形，提出了一种基于三维Delaunay三角化的区域增长式曲面重建方法。该方法以空间点云的Delaunay三角化为基础，结合局部区域增长的重构方式，以外接圆最小为准则抽取出合适三角片构成曲面，较以往方法有人为参与更少，适用范围更广的优点。　　2)随着显卡的发展，GPU由于其高度的并行性，计算能力已经超越了CPU，而CUDA的出现更是降低了GPU编程方面的复杂度。在重建噪声点较多的曲面时，Hoppe算法表现优异，针对Hoppe曲面重建算法时间复杂度较高的这一缺点，本文利用CUDA技术对Hoppe算法的各个环节做了并行化改进，能够快速地重建出效果较好的三角网格曲面。相比原本的Hoppe算法，在速度上能够提升一个数量级以上。　　3)提出一种大规模数据曲面的重建算法，解决了有些地质曲面数据量过大而无法一次性将所有数据读入内存处理的问题。算法采用分而治之的思想，对层位面数据进行区域划分，对每个小区域内的点集做重建操作，并最终组成一张完整的三角网格曲面。