随着计算机技术的发展和提升,扫描设备获得的点云数据量不断增大,点云数据结构也越来越复杂,根据所使用数据类型快速准确地重建出采样点的原有模型,一直是逆向工程所追求的目标。本文以航空发动机叶片超声C扫点云为研究对象,通过对基于Poisson方程的三维重建算法的理论分析,制定了针对单层C扫点云的处理方案,实现了基于Poisson方程三维重建算法的超声成像检测。本文工作如下:(1)研究了基于Poisson方程的三维重建算法,针对重建结果的无边界性,分析了现有的解决方法的优缺点,针对三维超声点云的获取方法和数据特性制定了适应于本文实验数据的解决方案。(2)提出了一种有向的点云边界提取方法。通过对几种常用的点云特征边界提取方法的分析和比较,找出了简化计算过程的通用方法,并结合基于Morton码的半径近邻搜索方法,提出了基于边界点特性的边界特征提取方法。该方法通过最小包围盒得到某个特定的边界点,再根据边界点的相互关系制定了特定的搜索路线,减少了不必要的内部点的近邻搜索,加快了搜索速度。(3)提出了点云法向量估计的简化算法,并实现了基于Poisson方程三维重建算法在超声成像检测中的应用。通过总结其他算法的主要思想,结合超声C扫点云的特性,针对填补点的法向量和位置信息,在空间平面上使用基于点云欧氏距离的权函数,对点云的法向量进行初值估计,再使用MLS法对点云法向量进行校正,完成了超声C扫点云的泊松重建。最后结合超声点云的强度值信息,实现了基于Poisson方程三维重建算法在超声成像检测中的应用。