随着三维信息获取技术的快速发展和廉价获取设备的普及,基于点云的三维模型重建技术被广泛应用于逆向工程、文物保护、3D打印、数字化医疗、三维地理信息系统、虚拟实现和增强现实等领域。在基于点云的三维模型重建中,点云数据的配准和表面重建是两个主要问题。首先,大多数获取设备一次只能捕获单一视角的点云,因此,重建一个完整的三维模型,需要将不同视角下的点云数据变换至统一的世界坐标系中,并消除相关获取过程中产生的畸变,即多视角点云配准。自动配准算法依赖于输入的初始变换,且配准过程会产生累积误差,最终导致多视角点云数据在配准的环路中不闭合。在某些情况下,由于获取设备的标定误差或者采集对象是非刚性物体,点云数据会带有非刚性形变,此时还需要通过非刚性配准来进一步提升配准精度。其次,为了方便绘制和编辑,离散的点云数据需要重建为连续表面,例如三角网格曲面。在表面重建的过程中,如何自动且有效地保留原始点云数据中不同尺度的几何细节是一直是一个具有挑战性的问题。此外,点云数据中可能存在的噪声、离群点、孔洞、非均匀采样等缺陷,也会对配准和表面重建产生影响。本文以真实世界物体的鲁棒高精度三维重建为目标,对点云的去噪、配准、表面重建等问题展开研究,取得了如下成果:·提出了两种基于自适应移动最小二乘(moving least-squares,简称MLS)的结构化点云去噪算法,即沿深度方向的投影MLS和沿视线方向的隐式MLS。两种MLS算法均采用自适应的邻域窗口和双边核函数调节局部拟合权重,以处理随深度变化的噪声和深度不连续的数据。实验结果表明,提出的面向结构化点云的自适应MLS算法具有较高的效率,对几何细节的保持比图像滤波方法更鲁棒,且去噪后点数据的分布比面向散乱点云的MLS方法的结果更均匀。·提出了层次化的多视角刚性配准算法。首先依据点云之间的重叠关系构建无向图,然后自下而上从边、环、图三种拓扑层次对多视角点云进行刚性配准。此外,引入了一种新的目标函数来描述环闭合问题,该函数同时考虑变换误差和配准误差,提升了配准的精度和鲁棒性。实验结果表明,提出的层次化多视角刚性配准算法能有效地消除累积误差并且避免陷入局部最优,同时也对初始化更为鲁棒。·提出了基于多薄板样条的多视角非刚性配准算法。将薄板样条的能量公式推广到多个几何对象,定义了一种基于多薄板样条的全局优化目标函数。通过在目标函数中引入初始点位置约束,不仅避免了平凡解问题,还使得每片点云在非刚性配准后尽可能保持初始形状。此外,在优化过程中增量式地添加径向基函数,既加快了求解速度加快,又提升了数值计算的稳定性。实验结果表明,提出的新目标函数能够有效地提升带有低频非刚性形变的多视角点云数据的配准精度。·提出了基于曲率自适应有向距离场的多尺度表面重建算法。首先利用自适应八叉树构造分辨率与点云曲率相适应的有向距离场,然后用隐函数对自适应有向距离场进行全局拟合,最后提取隐函数的零等值面作为输出表面。采用了一组多尺度的B-样条作为隐函数的基函数,使全局拟合问题的求解转化为一个良态的稀疏线性方程的求解。实验结果表明,提出的曲率自适应策略不但加快了求解速度、减少了内存消耗,而且可以生成自适应的三角网格曲面,以保留原始点云数据中不同尺度的几何细节。