随着三维激光扫描技术的快速发展,该技术被广泛应用于变形监测、智慧城市建设、文化遗产保护以及灾害评估等领域。该技术能够快速获得物体表面信息,原始数据主要是海量且含有噪声的三维空间点坐标,必须进行相应处理后才能应用。原始点云存在大量噪声点,必须去除噪声后才能进行后续数据处理;原始点云数据量大,数据处理过程耗时严重,需要对点云数据进行简化处理;预处理完成后,需要对点云数据曲面重建算法进行研究,以便达到准确高效完成物体表面重建的目标。基于以上分析,本文对点云去噪、点云精简以及曲面重建三方面的激光点云数据处理相关算法做了深入研究,主要的研究内容与贡献如下:(1)研究了点云数据结构和几何特征,对点云邻域划分查找和点云法向量估算进行了讨论分析,并对传统点云去噪算法的优缺点进行了比较。在此基础上,基于曲面拟合的思想,提出了一种基于点云主曲率确定拟合曲面类型的小振幅噪声去除方法。通过实验验证,表明该方法能有效地减小点云表面的粗糙程度,达到了点云表面光顺平滑的效果。(2)为解决点云精简方法在实现点云数据“量”减少同时容易造成“质”损失的问题,本文建立了一种基于不同邻域法向量求差的点云精简方法,该方法利用不同邻域求得的点云法向量差值为特征进行点云区域划分,进而采用不同阈值对已划分点云区域进行体素格点云精简,实验表明该算法既能有效地对点云数据实现精简,又能使精简后的点云特征保持完整。(3)将点云去噪和点云精简与降维Delaunay三角剖分的网格构建方法相结合,实现了一种基于去除小振幅噪声和精简点云的Delaunay三角剖分曲面重建方法,并对重建结果进行了对比分析,实验表明了本文方法能够取得较好的结果。