受工业、军事、医学、虚拟现实、逆向工程等行业应用驱动,以及三维扫描技术的发展和计算机图形图像处理技术的进步,关于点云数据曲面重建技术的研究目前已成为计算机图形图像处理领域的研究热点。本文选择点云数据相关内容为课题,研究和分析了处理点云数据的若干关键技术问题,提出了一种基于增量网格的空间三角剖分的改进算法。1.分析了点云数据的类型和可视化技术,并用Java3D技术实现了点云数据的可视化,包括移动、旋转和放缩等交互操作；探讨了点云数据空间拓扑关系建立的方法,对相关算法的原理进行了阐述并进行了对比分析；将三角网格剖分的相关理论进行概括总结,列举三角网格构建中一些经典的剖分算法及优缺点,并对三角剖分算法中的Crust算法进行了实验,通过实验数据分析其优点和不足之处。2.以相关理论为基础,提出了基于增量网格的空间三角剖分改进算法。本算法的主要创新点有两处：一是将动态球策略引入到空间分割中,能快速定位到与扩展边进行扩展的候选点所在的包围盒；二是在深入分析Delaunay三角网性质的基础上,设计了顶点度量函数,可以解决约束准则中法向量夹角最大准则和最小内角最大准则的不一致性。该算法源于增量式计算的思想,结合约束准则和设计的顶点度量函数,可在空间由基础三角面片开始重构整个物体表面。3.构建实验系统对算法进行仿真实验,实验表明本文算法可直接在三维空间根据离散点对应曲面的形态变化逐步生成三角网格,最大限度的保证了曲面的平滑性,剖分效果较好；其次,算法采用自适应动态球策略,结合空间分割思想对数据点进行空间分治划分,能有效缩小扩展边对应候选点的规模,提高数据处理效率,证明了该算法的可行性。最后,总结了本论文中的相关工作,同时对下一步工作进行了展望。