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。

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。

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。