近年来,曲面重建在机械制造、虚拟现实、计算机视觉等领域得到了广泛地应用,受到了国内外学者的普遍关注。三维激光扫描仪在CAD/CAM的广泛使用使得表征模型特征的点云数量更加庞大,拓扑结构更加复杂。如何对散乱的点云数据重建出通用的数学模型成为图形学领域关注的焦点,但是现阶段的曲面重建算法普遍存在着效率低下,算法复杂,表面不光滑等弊端,而人类在三维信息处理和外界物体的感知上却呈现出实时、高效等特点,而且基于微分流形的曲面重建具有拓扑结构的任意性、局部性、连续性及易于控制等诸多优点,成为人们追求的最适合曲面重建的方法。鉴于此,本文在总结微分流形理论、人类视觉理论以及曲面重建算法的基础上,就大规模散乱点云的重建算法进行了深入的研究,其主要工作如下:在点云数据处理方面:提出一种基于Hausdorff距离的数据优化算法,算法利用Octree结构为点云数据构建外接包围盒和拓扑关系,通过求解包围盒中各点法向量与平均法向量的最大夹角来判断包围盒是否需要继续分割,然后根据包围盒中点云主曲率的Hausdorff距离来进行数据简化和特征提取。实验表明,该算法能够极大的保留点云的几何特征,过滤大量冗余数据,为后续高效率的曲面重建提供了基础。在曲面重建方面:提出一种基于微分流形的隐式曲面重建算法,将优化后的点云作为重建的初始数据,拟合与控制网格拓扑同胚的微分流形,在微分流形上为控制顶点建立基函数,归一化基函数得到微分流形上的单位分解,复合单位分解与控制顶点得到隐式曲面,在局部交叠空间对隐式曲面进行光滑拼接,得到最终模型。实验结果表明,该算法适用于任意拓扑的曲面重建,并且具有较高的精度和效率。