三维彩色扫描技术具有快速性,不接触性,穿透性,实时、动态、主动性,高密度、高精度,数字化、自动化等特性,随着其测量精度、扫描速度、空间解析度等方面的进步和价格的降低,在古建筑保护方面得到越来越广泛的应用。但其获取的古建筑点云数据具有空间尺度广,数据复杂,数据量大等特点,大规模海量点云数据的存储、管理、处理、特征提取、三维建模以及快速浏览等问题亟待人们研究解决。而目前对点云数据的处理,显示与存储都是将各个环节孤立的来进行考虑,缺乏全盘系统的处理策略。本文以地面激光雷达扫描获取的古建筑散乱点云为研究对象,提出了以平面、柱面、球面等规则几何面为基准面生成不规则则三角网,深度图像来存储表达点云数据的整体解决思路。针对点云数据的邻域搜索,提出了一种新的MutiGrid-Kd树高效索引。重点研究了如何自动分割散乱点云数据,提取平面、柱面等基准面,提出了一整套包括高斯映射,曲率映射,聚类分析,预定义模型等分割的解决方案,能较好的克服古建筑点云数据数据量大,噪声多等问题,并且在分割的同时能够提取出点云特征,一体化完成点云的分割及拟合。具体的研究内容和创新点主要包括：(1)提出了一套有效的自动提取基准面的算法。该算法基于预定义模型及其可能的相互关系,结合高斯映射、曲率特征的聚类分析,在全局上对点云几何特征进行统计分析,区别干扰点和核心点；利用已知古建筑构件几何特征对核心点进行形状分析和特征提取,在此基础上结合面分割算法完成全部点云的基准面提取。整个算法采用自顶向下模式,有效融合空间域和高斯域的分割处理,不仅有较强的抗干扰性,而且自适应性强,能够依据点云数据特点自动生成处理参数。并且可以在分割的同时获取曲面特征参数,一体化完成分割和特征拟合。(2)针对古建筑点云数据的特点,提出了一种改进DBSCAN聚类算法—-AQ-DBSCAN算法。该算法根据高斯球上各点MinPts邻域的的最小距离,最大距离及不同范围内的点数,最终自动获取空间球半径σ参数的取值,并且提出了相应的快速聚类的思路。这一思路克服了DBSCAN算法效率较低,需要通过人工选取来确定参数等问题,实现了快速密度聚类处理和参数自动估算。(3)针对点云数据提出了一种新的快速索引方式——MultyGrid-KD树索引。该索引首先将点云数据按多级网格索引方式分成不同区域,然后再区域内建立KD树。这一索引方式有效结合了格网索引及KD树索引各自的优势,克服了常用于点云数据的八叉树以及KD树的缺点。经实验证明,MultyGrid-KD树索引是一种高效的空间索引方式,为后续很多数据处理环节中涉及到的的高效邻域查询奠定了基础。(4)利用并行计算思想以及多核技术,基于OpenMP并行编程模型对本文提出的MultyGrid-KD树索引创建及最近邻查询算法、微分几何信息估算、AQ-DBSCAN聚类等主要算法进行了并行计算优化,并对并行计算优化前后的效率进行了对比。在上述理论基础上,基于Visualization Toolkit库(VTK)搭建,采用OpenMP实现算法的多核并行化处理,采用VC++2005语言,开发了古建筑点云数据处理原型系统(PCBuilding),系统主要由输入输出模块、三维场景模块、交互编辑模块、数据预处理模块、数据分割模块、特征拟合模块和三角网构建模块等七个模块组成组成。在此软件平台上结合故宫博物院的点云数据对本论文提出的基准面提取,数据索引等算法进行了验证。