在教育游戏、虚拟教学系统中,尽可能真实的虚拟场景可以增强学习者的学习兴趣,从而促进教学效果。真实的虚拟场景需要大量具有真实感的数字化三维模型。但是单纯通过3D软件人工构造这些模型,费时费力。而随着现代三维扫描设备与技术的出现和发展,使得现实世界中三维模型的快速数字化呈现成为可能。通过三维扫描设备,现实世界的三维模型的表面形状信息能迅速被获取并存储在点云形式的数据结构中,然后对获取的点云模型进行曲面重建,即可构造出易于存储、渲染和操控的网格模型。然而,点云数据获取与处理等部分技术环节及相关理论还不够成熟。特别的,受到人为干扰、扫描仪自身不够精准、被扫描物体本身缺陷以及采集过程中外界环境干扰等因素的影响,通过三维扫描设备获取的点云模型不可避免会存在含有噪声、密度不均等问题。而我们对点云模型进行后续更高层次的操作(如三维曲面重建)时,又严重依赖于输入的点云模型的质量。近年来,有不少学者对点云去噪算法展开了研究工作,但由于三维几何模型的多样性和噪声本身的复杂性,使得在高效进行去噪处理的同时有效保持模型的特征仍是一极具挑战性的问题。本文工作主要包括以下几个方面:1.点云模型的去噪处理的基础性工作研究,介绍点云模型处理流程中的一些基础性工作,例如点云的邻域计算、点云法向计算、点云法向滤波等。并详细介绍了一种经典的点云去噪算法——局部最优投影,对该算法的主要思想与工作原理进行了仔细分析。2.通过分析局部最优投影算法,提出了一种保持特征的各向异性的加权局部投影点云模型去噪算法,将一个含噪点云及其滤波后的法向作为算法输入,通过恢复含噪点云模型的潜在几何形状、均匀化分布点云、保持尖锐特征,算法可以输出一个干净、保持特征、均匀分布的点云模型。3.介绍了一种统计概率模型——高斯混合模型,并基于此,提出一种各向异性的启发于高斯混合模型的点云模型去噪算法。该算法也需要输入滤波后的点云法向信息,因而该算法在对点云模型进行去噪处理的同时也可以保持模型的几何细节特征。4.将本文提出的两种去噪算法与现有的四种先进算法进行了对比,包括视觉上比较、定量的误差分析、时间效率对比。并从算法的深层次原理上,详细分析了本文两种算法与四种先进算法的不同之处。