随着计算机几何获取和设计的快速发展，逆向工程在农业领域、航空航天、机械产品开发设计、医学等相关领域都得到广泛应用，逆向工程技术逐渐发展成为国内外研究热点，虽然三维扫描仪在获取三维点云数据技术有很大发展，但在三维点云数据获取过程中，由于被测实物具有型面不规则和较深的复杂的内部结构，破损以及测量设备无法精确测量，导致所测得的点云数据不完整，形成孔洞和缺口，为了得到完整的点云数据，并且对实物进行三维重建与创新性设计，需要对测量缺失点云数据进行修补，否则会影响曲面重构后的精度，便于获得所用零件的结构参数以及进行逆向设计。因此为了满足后续应用，还需对点云模型，进行孔洞修补。本文主要研究对三维点云孔洞修补技术（效率和精度）进行重点分析和研究，主要内容如下：　　1、本文对课题组原有的修补技术（BP和PSO-BP算法）进行了改进，利用BP神经网络初步实现了点云孔洞修补，但修补精度低，而PSO优化BP网络虽然提高了BP网络的泛化性，孔洞修补精度有所提高，但损失了效率，在此基础上本文提出了GA优化BP网络，利用GA良好的泛化性来提高BP网络的全局寻优能力，以斗齿点云内腔人为孔洞为例，与原有的修补方法进行比较，实验表明GA-BP在孔洞修补精度上有所提高，效率上略有提高。　　2、为了提高孔洞修补精度，同时对效率又有较大提升的情况下，提出了思维进化算法（MEA）优化BP网络，利用MEA的记忆性以及泛化性提高BP网络的快速收敛，寻找到全局最优解，以乌龟表面人为孔洞为例，并比较GA-BP和PSO-BP这两种模型对BP网络性能改善情况，表明MEA-BP网络在精度有所提高，在效率方面也具有很大提升。　　3、针对孔洞修补精度和效率问题，即修补精度和修补效率难以兼顾，在力求提高孔洞修补精度时，效率往往会降低；而在关注修补效率时，修补精度又得不到保证，即为了提高孔洞修补精度和效率，本文提出了极限学习机算法，利用极限学习机结构简单，调整参数少等优点，该方法只需设置隐含层神经元个数，将训练集样本个数作为神经元个数，来实现点云模型孔洞修补，实验表明，该方法能够快速实现孔洞修补，精度高，拟合效果好。