针对现有点云聚类方法及曲面拟合方法的不足:（1）聚类中心及特征的选择导致的曲面片过分割问题，蚁群优化参数的改变对聚类有效性的影响问题；（2）径向基函数中法向离面约束点对曲面插值误差的影响问题。研究提出了改进的蚁群优化投影寻踪聚类方法和基于点云密度的径向基函数曲面插值法。论文首先构建了集点云采集、无线传输和入库为一体的虚拟测方系统，在分析误差来源与坐标系统关系的基础上推导出点云坐标统一的误差传播模型，为后续的分析提供数据源。然后提出了改进的蚁群算法优化投影寻踪法来实现点云聚类，构建了蚁群算法中信息素系数更新的反正切函数模型，采用DUNN指数法定量评价了蚁群优化不同聚类算法有效性，研究表明优化聚类改善了曲面过分割结果。最后针对优化聚类后的点云对象，提出基于K邻域点云密度的径向基函数曲面插值方法，挖掘了曲面插值点个数与法向离面约束点对基于点云密度的径向基曲面插值精度的定量影响，分析了二次曲面拟合、Nurbs曲面插值与基于点云密度的径向基函数插值精度对体积的误差影响，研究表明本文方法具有较高的曲面拟合精度。