三维重建技术能够根据扫描的数据重构三维物体,以一种最直观的方式呈现给人们,让人们可以从不同视角观察物体的形态特征。随着虚拟技术的发展,人们对数字化、可视化提出了更高精度的要求。在三维点云处理及重建方面,目前仍存在点云模型数据缺失、数据量大以及重建精度较低等问题。针对上述问题,本文研究一种针对三维点云数据的预处理、分割算法,并在此基础上研究一种基于分割与曲线驱动的交互式表面重建算法,实现对模型的三维重建,提高模型建模精度。论文主要研究内容和结论如下:(1)基于信息特征增强的点云预处理方法针对原始散乱点云数据缺失大量细节信息、数据量大、处理效率低的问题,研究并提出一种基于信息特征增强的点云预处理方法。该方法包含3个步骤:首先利用自适应局部投影算子的点云精简算法对大规模点云数据进行精简;然后针对法向量对噪声敏感的问题,采用基于各向异性近邻搜索的法向量优化算法对法向量进行优化,减少法向量的计算误差;最后针对点云数据精简后,丢失一部分细节信息的问题,采用一种基于边缘感知的信息特征增强算法,在模型尖锐区域与边缘区域增加数据点以增加细节信息。实验结果表明,当精简率达到95%以上时,模型仍可保持原始点云的形状特征。(2)点云数据自适应分割算法针对物体不同部位重建精度有所差别的问题,研究并提出一种点云数据自适应分割算法,该算法根据提取到的点云特征,自动选择聚类中心,并根据聚类中心实现点云数据的聚类,将点云划分成结构相近的区域,从而实现对点云的有效分割。实验结果表明,与Rand Cuts算法、Shape Diam等8种分割算法相比,本文点云分割的准确率提高了10.2%;为减少点云特征提取运行时间,提出了一种基于OpenCL的点云数据分割方法,该方法根据GPU的并行结构和硬件特点,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于OpenCL的点云分割效率是基于CPU实现的22倍。(3)基于分割与曲线驱动的交互式表面重建算法在点云预处理和分割的基础上,提出了一种自适应分割和曲线驱动的交互式表面重建算法。首先根据分割结果,提取点云骨架曲线;根据提取的骨架曲线,形成表达模型表面的剖面曲线;最后,对生成的所有的剖面曲线进行优化,使其更拟合点云数据,完成模型的三维重建。试验结果表明,本文算法重建出的结果可以很好地保持点云的细节和形状特征,重建误差低于0.1,精度较高,重建结果能够忠实于模型的形态特征。