为了提高泊松表面重建算法效率并改善重建结果细节表现，采用一种基于混合树的点云搜索方法，平衡了八叉树和二叉树技术关于时间复杂度和空间复杂度的冲突; 并在点云搜索阶段通过引入多个能量项对点云进行密度评估与滤波等，针对点云稀疏部分进行自适应的点云稠密化以保证重建模型的细节与准确度。结果表明，混合树重建算法与泊松表面重建算法及屏蔽泊松算法相比，速度分别平均提升了33%和15%，且能更好地保持重建模型的细节，误差最小。该研究为点云的表面重建提供了参考。

针对复杂背景分割时出现的低效率、过分割等问题，提出一种基于法线估计的三维点云分割方法。首先，改进随机采样一致性（RANSAC）算法，引入法线约束去除背景中大部分平面点云，使得目标点云与大量点云分离，然后采用欧式聚类分割从中提取目标点云。利用鼢鼠头骨三维点云数据进行试验，结果表明，融合的点云分割算法可以将目标鼢鼠头骨点云精确分割，完全去除冗余点云，速度快、准确率高，相较同类型方法表现更优。

为解决通过法线估计利用角度阈值判断点云轮廓时提取的点云轮廓线不完整和不准确的问题,提出基于改进的三维道格拉斯-普克(3RDP)算法,并对法线估计法进行了优化。首先利用传统的法线估计方法在低阈值下获取轮廓特征候选点,通过3RDP算法对候选点进行抽稀,并对算法进行了改进。然后提出了利用主成分分析选取点集的基面,在主方向中找到原点和终点的方法,用以最小距离选取方式将点集进行排序。最后根据点到基面的距离判断点是否属于轮廓线上的点,同时去除内部点,提取目标物轮廓特征。实验证明了该算法可以很好地剔除法线估计方法中不属于轮廓线上的点,与传统法线估计算法相比,提取出的目标物轮廓线更加完整和准确。

泊松算法在重建时物体边缘容易产生未封闭的曲面,最终建成的物体存在表面粗糙、孔洞等问题。基于此,提出一种改进的三维点云重建算法。该方法首先用统计滤波器对点云简化去噪,消除重建表面的锯齿状现象;然后建立点云间拓扑结构,对点云法向量进行法向重定向,以减少法向指向的二义性;最后将具有磁盘拓扑结构的点云映射到平面,将二维三角剖分方法应用于平面参数化,给二维点提供三角形连通性,并将其传输回三维点云形成网格曲面。经过实验验证,该方法可以有效地去除噪声点,构建更加规则的三角形网格,并能有效地去除伪封闭曲面,明显改善带孔洞的表面点云重建效果且重建时间降低。

针对现有曲面采样点云法向传播方法难以快速处理大规模数据的问题,提出了一种在多层黎曼图中统一点云法向的方法。该方法对点云进行子集递归划分得到核心点集,以核心点集的曲面变分程度控制递归次数,为点云构造树状多分辨率模型。自上而下遍历点云多分辨率模型的结点,为非叶结点包含的子集构建黎曼图,从而构成点云的多层黎曼图。以先序遍历的方法将顶层黎曼图中样点法向一致性向下逐层传递,在各黎曼图单元内,以最小生成树算法实现样点法向的一致性传播。实验结果表明,对于大规模点云,该方法能有效提高计算效率与内存利用率,且能保证样点法向在复杂特征区域传播的准确性。

对存在噪声、非均匀采样等缺陷的曲面样本, 基于样点及其邻近样点构成的局部样本通常无法稳健逼近曲面局部区域, 导致样点法向难以准确估计。为抑制样本缺陷对样点法向估计的影响, 提出一种以有界泊松曲面逼近局部样本作为约束的样点法向加权估计算法。对待估计法向的样点, 该算法对其所属曲面局部样本作增益优化处理, 使得曲面局部样本具备边界保护区域; 在样点的Frenet标架中以泊松曲面逼近该样本, 基于样本的边界保护区域将泊松曲面的离散网格转化为有界形式, 从而建立样点邻域的曲面约束, 以有界泊松曲面离散网格中距样点最近的网格面片作为样点的参考面片, 基于顶点邻域面的正则度及邻域面到该顶点的测地距离估计参考面片顶点法向, 将参考面片各顶点法向的加权求和结果作为样点法向的估计结果。实验结果表明: 曲面样本噪声水平不高于20%时, 可将法向计算误差控制在π/18以内, 且所得法向过渡较为光滑。证明了该算法适用于复杂曲面样本, 可稳健处理存在噪声以及采样不均匀等缺陷的曲面样本的样点法向估计问题, 实现曲面样点法向的光滑过渡。

针对三维点云在泊松曲面重构过程中由于法线方向不一致而导致重构结果出现偏差的问题,提出一种基于改进法线方向的泊松曲面重构算法。利用包围盒将原始点云分割为若干个立方体体素,并将每个有效体素标记为“位置已知”或 “位置未知”。采用KD(k-dimensional)树对每个有效体素内的点云重新排序,利用主成分分析法进行法线估计,将新的顺序作为法线传播方向,实现点云法线的局部定向。针对 “位置已知”的体素,依据体素质心位置完成法线的全局定向;对于 “位置未知”的体素,则依据相邻体素的法线实现法线的全局定向。最后,结合法线定向结果对点云进行泊松曲面重构。实验结果表明,该算法能将复杂曲面点云的法线定向至同一侧,法线估计误差接近于0,能较好地实现泊松曲面重构,提高重构曲面的准确度。

针对现有算法对尖锐特征曲面点云法矢估计不准确，点云处理时容易丢失曲面细节特征等问题，提出一 种尖锐特征曲面散乱点云法向估计法。该方法用主成分分析法粗估计点云法向; 然后，根据各邻域点的空间欧氏距离和法向距离对各邻域法向加权，用加权邻域法向之和来更新当前点的法向; 最后，测试估计法向与标准法向的误差，评价估计法矢的准确性，并且将估计的法向应用到点云数据处理中来比较特征保留效果。实验结果表明: 本文方法能够准确地估计尖锐特征曲面的法向，最小误差接近0。另外， 该方法对噪声有较好的鲁棒性，点云处理时能保留曲面的尖锐特征。相比于其他特征曲面法向估计法，所提出的方法估计的法向误差更小、速度更快、耗时更少。