三维点云数据可以表现丰富的物体表面细节,是描述物体三维模型的有利工具。但由于噪声、数据缺失等因素的影响,三维重构方法所获得的点云数据往往不符合实际应用的需要。因此,对三维点云数据的进一步处理如光顺和修复就显得十分重要。本课题以通过图像重构所生成的三维点云数据为对象,研究其光顺和修复的方法。本文深入探讨了基于三维点云数据的曲面曲率求解方法,得到了描述曲面微观特性的物理量:平均曲率和高斯曲率,并进一步利用曲面曲率特点,实现了曲面的区域划分。生命系统自组织行为中体现出的自组织原理和方法,为众多领域所借鉴。将三维点云中的每一个点看作是具有生命力的单元,所有点云便构成了一个由生命单元组成的生命体,便可用生命体自组织原理来研究点云数据的光顺与修复问题。本文将自组织原理应用于三维点云数据光顺处理,结合点云数据的特点,在比较现有点云数据光顺方法的基础之上,借鉴了图像处理中的均值滤波方法,实现了点云数据的自组织光顺。对比实验结果证明此方法光顺速度快,效果好,能很好地完成对点云数据的光顺。本文进一步将自组织原理应用于点云数据修复。利用二次曲面拟合曲面微观形状,求得修复后的点云数据的值。在所有点云数据完成一次修复迭代后,用点云数据的拟合值替换原值形成新的曲面,并运用相对分散度来控制迭代次数,最终实现对点云数据的自组织修复。本文构建了基于OpenGL和VC6.0的三维模型显示环境,并利用文中提出的点云数据光顺和修复方法,开发出三维点云数据自组织光顺与模型修复软件。