随着智能监控设备技术的应用,3D增强现实虚拟场景技术的规模化普及和实施产生了大量系统性的空间数据,因此有效的数据查询处理技术成为了研究的重点。其中可视组k近邻查询与可视组反向k近邻查询研究成果重点应用于生物特征识别、网络游戏领域。现有的研究大多应用在二维空间,而且在三维空间中只是针对单一查询点,没有考虑多个查询点情况。但是在现实生活中存在许多对于多个位置的查询点可视组k近邻查询问题。例如多个不同位置的交通监控设备对于路况信息的查询需求。因此,本文提出了三维空间中多源对象可视组k近邻与反k近邻查询算法,主要的研究内容如下。首先,提出了梯度下降-可视率的可视组k近邻查询算法。该算法结合梯度下降算法迭代出查询点组的质心坐标。然后,定义可视率,提出一种模式化的可视组查询算法。接着,提出k-界限剪枝算法可以对数据集进行剪枝减少计算量。最后提出利用空间距离进行精炼得出结果集的方法。其次,提出了梯度下降球-双Voronoi图的可视组反k近邻查询算法。该算法利用梯度下降算法迭代出查询点组的质心。然后在目标对象集中找到距离质心完全可见的第k个目标对象利用到其距离进行剪枝得到一级候选集。接着,利用双Voronoi图的方法对一级候选集进行筛选。在数据对象的三个坐标分别取（x,y）和（x,z）构建Voronoi图进行筛选,得到二级目标对象候选集。最后利用目标对象到查询点组的空间距离对二级目标对象候选集进行过滤得到可视组反k结果集。最后,针对上述算法分别进行实验对比验证。从目标对象集规模、查询k值、消耗时间方面进行对比分析,对比实验结果表明本文所提算法具有良好的查询效能。