三维激光扫描数据采集过程中,难免会受遮挡、扫描方法的局限性以及被测物体表面形状的复杂性等因素的影响,使数据中出现缺失的孔洞区域。为了保证后续逆向工程对点云数据进行完整地建模,需要针对点云数据中缺失部分展开填充工作。本文通过Matlab编程实现对应修补算法,接着利用3DReshaper软件完成点云模型的可视化并对比不同算法的修补效果。主要内容包括基于降维方法的孔洞边界点的检测、孔洞边界边的获取和基于三次B样条曲线拟合方法的孔洞填充。主要工作和成果如下:（1）以三维激光系统所搭载的平台以及采集方式进行划分,详细分析了各自的差别。同时详细介绍了点云数据的类型以及预处理方法,为后续点云处理工作做了基础理论的铺垫。（2）由于初始扫描得到的数据中不含有任何拓扑信息,首先需进行点云邻域构建。本文在详细分析了几种常用构建方法的优势与劣势后,采用基于kd树的构建方法寻找点云的k近临点。同时也分析了点云的局部几何属性法向量的估算方法,选用主元分析（PCA）的方法,在基于k近临点的基础上构建协方差矩阵对法向量进行估计以及通过视点方向进行法向量方向的调整。（3）针对传统四象限法在面对四个区域均含有点的特殊情况时无法精确判别孔洞边界点问题,本文在现有方法的基础上提出四象限法与最大角度准则相结合的方法。此算法采用降维度的思想,提取目标点云数据中的边界点并将其连接为边界线以完成点云模型孔洞区域的识别。通过编程完成实验对比,结果表明在选取合适阈值的情况下本文算法可以正确识别出点云模型中存在的孔洞。（4）为了得到更好的孔洞区域修补效果,利用三次B样条算法拟合点云缺失的区域,完成孔洞修补实验。并且将本文方法与常见修补算法如基于径向基函数和基于最小二乘曲面拟合的方法进行比较,本文算法在以上对比中取得了相对更好的修补效果。实验结果表明,本文算法易于实现且拟合面过渡自然,孔洞修补取得了理想的修补效果并拥有良好的实用价值。