三维激光扫描技术是测绘科学的一次技术革新,它以其独特的优势逐渐成为了多个领域的研究热点。由于在三维激光扫描过程中物体遮挡或者被测物体表面复杂等因素的影响,测量数据不可避免地产生孔洞,必然会对重建后数字模型的质量产生影响。研究点云边界检测和孔洞修补,确保点云数据的完整性,对后续点云数据处理和模型重构是十分有利的。本文重点研究了孔洞修复过程中的相应算法,通过编程实现及实验检验,完成了相关算法的改进,主要工作及成果如下:(1)针对散乱点云数据分布不规律性,本文提出了改进的动态网格k邻域算法,建立点云空间拓扑关系,实验表明该算法不仅能够快速、准确地查找出目标点的k邻近点,还具有较为广泛的适用范围。(2)为了检测出点云数据的边界,提出了基于吊锤法的方法。将目标点及其邻近点赋予相同的重量,以目标点作为支点进行悬挂,根据其物理表现中各点的空间分布关系判别目标点是否为边界点。实验证明,该算法能够准确地检测出边界特征点。(3)为了判别点云数据的内外边界,研究分析了内外边界与其他数据点的关系,基于内外边界的形心点与其他数据点相对于边界的位置的不同,对内外边界进行判别。实验证明,该方法能够准确地判别出内外边界。(4)为了修补点云数据的孔洞区域,深入研究了相关算法,利用基于径向基函数的改进方法对孔洞区域进行修补。通过将孔洞边界点投影到特征平面上,并基于扫描线进行特征面插值,然后利用径向基函数进行曲面拟合,最后将特征平面上的新增点映射到拟合曲面上,实现孔洞修补。实验证明,该算法在处理不同曲率变化的区域都有较好的修补效果,并具有较强的适用性。(5)通过将本文算法应用于龟山汉墓和峰峰矿区瓦斯罐点云数据孔洞修补中,验证了算法具有一定的实用性。