本文系统深入地研究了散乱点云的三角网格模型重建及优化算法,实现了基于散乱点云切片数据的三角网格模型重建,对并重建后的网格模型进行优化,达到以较少三角面片准确表达模型轮廓信息的目的,对提高产品的开发效率与质量具有重要意义,主要研究内容与研究成果如下:1)提出基于R*-树的点云及三角网格空间索引结构,论证了R*-树作为逆向工程中点云及三角网格索引结构的优越性及局限性,对R*-树结点分裂及重新插入算法进行改进,并依据结点MBR(Minimum Bounding Rectangle)对R*-树作了全局调整,优化了R*-树索引结构,基于改进后的R*-树建立点云及三角网格的空间索引结构,并实现了基于该结构的点云k近邻查询及三角网格拓扑近邻查询。实验证明,该索引结构具有数据适应性强、存储空间利用率大和空间查询效率高等特点。2)提出散乱点云自适应切片算法,该方法建立散乱点云的空间索引结构,依据索引结构中叶结点MBR的分布状况计算各层切片的位置,采用深度优先遍历方法快速获取切片平面的邻域数据,将邻域数据划分为正负两个区域,通过正负区域配对点连线与切片求交获取切片数据点,实现散乱点云的自适应切片,该方法可有效提高切片数据点的获取精度与获取效率。3)提出基于切片数据点的三角网格模型重建算法,该方法对散乱点云进行切片处理,获取切片数据点,依据最小角最大原则,对相邻层的切片数据点连线生成三角网格,该方法可在切片处理过程中对散乱点云进行精简,减小参与网格重建的点云数据量,提高三角网格重建效率,且提出误差计算方法对生成的三角网格进行误差分析,满足实际工程的需要。4)提出一种三角网格模型自适应细分算法,该算法提出新的三角网格曲率计算方法,准确反映网格的曲率分布状况,对曲率较大区域进行细分,对较平坦区域只重定位网格顶点,不进行面片分裂,实现三角网格的自适应细分,该算法可有效提高模型的光顺性与细分效率,以相对较少的面片准确表达模型轮廓信息。