随着三维激光扫描技术、计算机视觉及计算机图形图像学的高速发展，基于三维点云的曲面重建技术成为了国内外学者研究的热点，并广泛应用于科学可视化、工业设计、城市建模、历史文物保护、医学图像模拟等领域。基于三维点云的曲面重建的研究，取得了一定成绩。但是，基于三维点云的曲面重建中，重要数据预处理的点云去噪和点云简化，依然存在着几何特征丢失过多的问题，并且重建核心的曲面重建，也同样存在重建时间长、效率低等实时性问题。本文针对以上出现的问题进行了研究和改进，其主要内容如下：　　1、点云数据去噪光顺。针对原始点云数据模型中存在很多低幅度噪声和离群点问题，提出了一种基于噪声分类的双边滤波点云去噪算法。该算法对噪声进行了尺度的细分，将其分为大尺度和小尺度噪声，先用统计滤波结合半径滤波对大尺度噪声进行去除，然后使用强鲁棒性和保特征性的改进双边滤波对小尺度噪声进行光顺，最终实现点云数据模型去噪光顺。实验结果表明，与Fleishman双边滤波去噪算法相比，该算法对噪声进行尺度的细分，既能有效地去除点云噪声，又能避免过光顺和几何失真，较好地保持模型中的细节特征，具有较强的鲁棒性和保特征性。　　2、点云数据简化。针对三维点云数据中冗余量大和执行效率低的问题，提出了一种基于体素化栅格下采样的点云简化算法。该算法通过求出点云数据的最小长方体包围盒，将长方体包围盒分割成一系列小栅格，并将全部点云数据都划分到小栅格中去，求出每个数据点的k近邻，进行法向量估计，然后在此基础上选择离小栅格重心最近的点来代表小栅格中所有点，从而实现点云简化。实验结果表明，与基于包围盒点云简化算法相比，该算法不仅能够有效地降低冗余点云的数量，较好地保留了原始模型的主要几何特征，而且可以加快三维点云数据的重建速度，减少渲染时间。　　3、点云数据曲面重建。针对Power Crust曲面重建算法重建效率低的问题，提出了一种基于Power Crust的快速曲面重建算法。该算法利用体素化栅格下采样减少参与曲面重建的点云数量，并结合Visualization Toolkit(VTK)对重建出来的网格实行简化、平滑处理，再通过局部形状校正基础上获得三维可视化模型。实验结果表明，与Power Crust算法相比，该算法不仅能够降低重建算法的复杂度，加快曲面重建的速度，提高重建效率，而且还能得到良好的曲面重建效果，适合实时处理，为实现三维点云数据曲面重建和后续应用提供了良好的渠道。