本文首先介绍了逆向工程的概念和逆向工程中的曲线重构问题以及一些已有的解决方法.对于有序点的曲线拟合,数据点的参数化是一个重要步骤.有序点的曲线拟合方法最早可以追溯到曲线的二乘拟合.无序散乱点的曲线重建是逆向工程中的重要问题.由于噪音的影响,采样数据点都偏离原曲线,形成一个一定宽度的数据点云.这时无法找到一条曲线通过所有的采样点,只能根据该点集中点的分布拟合出一条反映原始数据点云的形状和走向的曲线作为重建曲线.对于该问题现在的工作有最小二乘拟合法,模型重建法,骨架法和离散方法四类.第二章分析了移动最小二乘法的表现.对于较细的点云,移动最小二乘法重构出的曲线能很好的逼近数据点.但是移动最小二乘法存在两个问题:(1)对于不同曲线段上的数据点相互影响的点集,移动最小二乘法会失败.(2)对于宽度变化的点集,需要自适应的确定点集的宽度,以避免数据点的相互影响.采用欧几里德最小生成树获取数据点的连接关系,避免了无关点的影响.在多数情况下欧几里德最小生成树表现良好,但对于较坏的数据点,该方法也会失败.本章还分析了概率论中的相关度概念对计算点集宽度的效果.第三章提出一个基于平面带权图最短路算法的散乱点曲线重建方法.该算法以每个点为中心构造一个正态分布的影响函数.所有点的影响函数的叠加形成平面区域的势函数.散乱点的Delaunay三角化在删除长边后形成一个连通图.对每条边赋一个权值后,形成一个带权图.使用最短路算法求出两端点间的最短路多边形作为原曲线的逼近.最后对逼近多边形进行优化和光顺,求出关键点.以关键点为控制点构造有理B样条曲线,得到重构的曲线.该方法把无序点的曲线重构问题转化为有序点的曲线重构问题.最后文章分析了散乱点曲线重构问题的困难所在,分析了文中介绍的方法的优点和缺点.指出散乱点的曲线重构结果强烈依赖于给定数据点集的质量.