随着激光测量技术的发展,现在已经可以快速并准确的得到物体的表面信息。由于通过激光测量得到的物体的表面信息量比较大,所以人们把它形象地称为“点云”。如何对这些点云数据进行处理,并最后生成可用于再制造的CAD模型是逆向工程技术的核心任务之一。本文以此为背景,研究了散乱点云数据的处理工作中的若干关键技术。首先对散乱点云数据的法向量进行计算,用最小二乘法逼近离散点的邻近点集,得到其微切平面,把微切平面的单位法向量作为该点的法向量,然后用基于法向距离的方法调整法向量的方向,使其达到全局一致。研究了散乱点云中孤立点的识别和滤除,以及数据的平滑滤波。分析了基于平均曲率的平滑方法,虽然能取得较好的去噪效果,但是很难同时保持物体的原有特征不变。于是应用双边滤波技术,由于加入了相似性的概念,物体的特征可以保留下来。研究了散乱点云数据的分块技术。首先将散乱点云用平均曲率和高斯曲率的符号组合进行分类标识,确定每个点所属的曲面类型。然后,利用相邻角和曲率极值法把特征点提取出来,再用基于特征点约束的区域增长法完成对点云数据的分块。最后,对散乱点云的曲面重建方法进行了研究。首先利用逐层扩张的方法得到原始点云的初始三角网格曲面,然后对其进行再分割处理,最后得到精确的三角网格曲面,并在建立网格曲面的过程中对其顶点用双边滤波进行平滑去噪。与常规三角化方法相比,该方法的三角化速度及精度有了明显的改善。本文的各项研究,均有相应实例验证。