随着三维测量技术的快速发展,人们能够很便捷地获得实物模型大量的散乱点云数据,这大大促进了逆向工程技术的发展,该技术现在已经成为CAD/CAM系统中一个相对独立的研究和应用分支,也是先进制造领域的研究热点之一。而在逆向工程技术中散乱点云数据的精简以及三角网格面的重构具有重要的基础地位,这两个方面技术的研究对提高逆向工程中数据处理能力以及建模效率具有重要意义。论文课题选取了逆向工程中散乱点云数据的精简以及三角网格面的重构这两个方面的问题作为论文的研究重点。论文主要研究内容与成果概括如下:在散乱点云数据精简部分,本文对现有的散乱点云精简算法进行了深入分析和研究,并设计了一种特征保留的点云自适应精简算法。算法通过特征点的保留继承了基于曲率的点云精简算法“保特征”的优点,同时又避免了复杂的曲率计算,另外自适应精简距离阈值的定义能够对非特征点进行有效精简,并且避免出现“空洞”现象。在三角网格面重构部分,作者比较了常见的散乱点云数据的三角网格面重构方法,针对一些现有算法效率以及适用范围方面的不足,在对一般的区域扩张算法进行研究分析的基础上设计了一种基于多策略的三角网格面快速重构算法。算法融合局部投影法速度快与区域扩张法适应性强的优点,实现了点云数据模型的三角网格面快速重构,重构结果显示形成的三角网格形态良好,很好地保持了原始物体的特征,并且能够自动检测孔洞和边界。在上述算法研究的基础上,作者进行了原型系统的开发和实现,并进行了一些算例的验证,算例结果验证了本文算法研究成果的正确性与有效性。