激光雷达测量技术(LiDAR Mapping Technology)是一种快速、准确获取真实物体空间数据的技术，利用三维激光扫描设备对真实物体进行数据提取，不仅十分简单，而且精度很高，三维激光扫描设备获得的三维点云数据是真实物体的三维点轮廓，能真实体现物体的形状，从而被广泛应用到逆向工程以及虚拟环境等一些仿真领域当中。点云数据的计算机虚拟化呈现包括点云数据的模型重建和重建模型的纹理映射两个方面。其中点云数据重建主要是为了解决点云数据的空洞问题，使点与点之间形成光滑连接的曲面，从而在视觉上形成一个虚拟实体。点云模型的纹理映射主要是为了突出模型的真实、生动性，同时也是虚拟现实领域中很重要的一种技术。激光雷达测量技术获得的空间点云数据，由于数量庞大、散乱且无组织等问题，使得点云数据模型重建和点云模型纹理映射成为了目前计算机图形学、空间信息处理、计算机视觉与计算机仿真学中研究的热点。本文对Qsplat快速点云重建算法进行了研究，并且运用Qsplat算法将数量庞大、散乱且无组织的点云数据组织在一起，形成了一种层次包围球（Hierarchy of bounding sphere）树形数据结构的QS文件，绘制点云数据时直接读取QS文件，从而大大缩短点云的重建时间。针对点云数据的Delaunay三角网格纹理映射速度慢、映射效果不够细腻、不适合大规模点云数据纹理映射等问题，提出了一种基于球面纹理映射的点云数据重建改进算法并在Qsplat算法的基础上实现。首先，该方法采用Qsplat算法对大规模点云数据进行模型重建，然后利用球面等比约束纹理映射算法建立纹理坐标、球面、点云重建模型三者之间的数学关系，实现了大规模点云数据的球面纹理映射。实验结果表明：与传统的三角网格纹理映射相比，该方法显著提高了纹理映射速度和质量,拓宽了球面等比约束纹理映射方法的应用范围，适用于大规模点云数据的纹理映射，实用性好。