随着三维数据采集应用领域的不断扩大,来自超级计算机、地球卫星、各类扫描仪、各类摄像系统等领域的数据都需要进行实时迅速的处理。而随着计算机的运算速度、存储容量、显示技术以及网络功能的不断强化,也使得直观地处理数据成为可能。表面重建技术就是将以一定方式记录的三维信息加以整理,转化成计算机能识别的数据,并在计算机中进行处理,将三维物体数据结构中蕴涵的几何信息恢复成图形、图像显示出来,由此可以方便、快速地对物体进行定量的分析、显示和处理等。本文研究的散乱点云表面重建算法即是表面重建技术的一个分支。这类算法通常可分为三类:基于距离场等值面抽取的表面重建算法、基于三维Delaunay三角化的表面重建算法和基于局部区域增长的重建算法。本文在深入研究了这三类算法的算法思想、计算流程和重建结果,分析了它们的时间复杂度及各自的优缺点后,综合了各类算法的特点提出了基于广度优先搜索的表面重建算法。该算法将图的遍历算法中广度优先的搜索算法引入到散乱点云表面重建领域,借助增量计算的思想,基于搜索算法状态不断扩展的特点,渐进均匀的扩展重建整个物体表面。算法以初始三角面片初始化搜索队列,以有向边为搜索元素。借助于八叉树空间划分和搜索约束条件,并借用Delaunay三角化思想高速鲁棒地完成最优点评估及三角片重建。具有网格简化、可视化与计算并行、选择性填补空洞、重建结果与参数弱耦合等特点。实验结果表明,本算法高效、稳定,可以重构出任意拓扑结构的二维流形三角形网格。最后,本文总结了各章节涉及的散乱点云表面重建算法,并据此提出了今后这类算法的一些研究方向。