近年来,随着计算机图形学、虚拟现实、机器视觉和逆向工程等领域工程化应用需求的不断普及,基于点云的模型重建得到越来越广泛的应用,与其相关的技术也得到了快速发展:点云设备采集精度提高,点云获取方式更加便捷,点云数据也呈现海量化增长趋势。在这样的背景下,如何快速构建点云拓扑结构,如何提高点云搜索速度,如何在保持特征细节的前提下快速完成点云精简成为模型重建的核心研究问题。本文围绕空间散乱点云快速建模问题,深入研究了点云拓扑结构构建、点云去噪、点云精简和点云网格化等关键技术,并基于此设计实现了一个点云数据渲染系统。研究过程中,首先介绍了空间单元格、八叉树、KD树等三种点云拓扑结构构建算法并基于此实现了K近邻搜索,由于该方法属于串行处理方法,不适用于大规模点云搜索问题,因此本文在K近邻搜索中引入CUDA加速,实现了并行搜索;点云去噪方面,本文采用DBSCAN方法快速剔除了点云中存在的噪点和外点;点云精简方面,首先介绍了当前主流点云特征点提取方法和点云精简方法,分析了不同精简方法对建模效果的影响,在此基础上吸取了随机点云精简方法的优点,给出一种基于PCA特征点提取的点云混合精简方法,在不丢失特别多特征细节的前提下实现了点云的快速精简;网格生成方面,本文采用一种基于分治DT(Delaunay Triangulation)和GPU并行加速的网格模型构建方法,引入点云动态划分策略,实现了划分的自动平衡,并提升了模型构建效率。为了验证上述方法的可行性和有效性,本文采用JavaWeb开发技术,设计并实现了一个点云数据渲染系统,通过在线加载点云数据,快速完成点云数据拓扑结构构建、点云数据去噪、点云精简和模型构建等步骤,最终实现散乱点云数据的模型重建。实验和测试结果表明,本文给出的点云处理相关方法及完成的点云渲染系统均达到了预期效果。