随着激光测距扫描等三维数据获取硬件技术的日趋完善,人们可以得到精度和密度都越来越高的物体表面三维数据,利用物体表面三维数据来建立真实的物体数字模型,也就是反向工程成为近年来国际图形学界的一种发展趋势,曲面重构作为这种建模方法的一个重要研究课题也得到了广泛的探讨和研究,成为国际上的研究热点之一。 测量密度的提高,虽然有利于模型细节的刻画,但同时也为进一步操作带来了困难。直接针对大规模点云重建曲面,就目前的计算速度来说还是不现实的。所以在重建曲面之前进行适当的数据压缩是必要的。针对大规模数据点云的数据压缩,目前已有一些算法,如文献[25]中提出的依据采样点的局部特征尺度对原始采样集进行不均匀降采样算法,文献[26][27]中提出的针对生成Nurbs曲面的网格抽样算法等。本文的工作就是在总结了近年来十几种各具特色的曲面重建算法的基础上,提出了一种新的数据均匀压缩算法,并根据压缩点的特征,重建网格曲面。本文的内容是这样安排的: 第一章:CAGD(Computer Aided Geometric Design)的基础背景知识。 第二章:计算几何中相关三角剖分的算法基础。 第三章:国内外基于海量散乱数据点进行曲面重建的经典算法综述。 第四章:基于海量散乱数据点的数据压缩及生成三角网格的曲面重建新方法。