三维人体建模在服装定制、虚拟现实、电子游戏、影视特效等领域中具有重要的应用价值。在基于立体视觉的三维人体模型重建过程中，由于相机视角与遮挡等原因，获取到的点云数据往往在局部有大面积缺失，并在相应的位置形成“孔洞”，如头顶、胯下与脚底等。对于带有这样的孔洞的点云直接进行三维网格重建，其效果往往不理想。如何对点云中的孔洞进行修补，使重建结果尽可能与真实情况一致，是实现静态人体建模的重要步骤，也是一个具有挑战性的问题。对此，本文提出改进的基于迭代排斥的方法与基于模板变形的方法对点云孔洞进行修补。　　基于迭代排斥的方法思想是通过将孔洞边界区域的点向孔洞排斥来对孔洞进行填充，主要通过反复迭代进行:原始点云下采样，下采样点沿点集曲面排斥，上采样到原始点云密度这三个步骤完成。为提高算法处理大规模点云的效率，本文通过在保证补洞效果的前提下通过限制求解区域减小问题的规模，并使用更快速的连续局部最优投影算子加速下采样过程。　　基于模板变形的方法可以处理基于迭代排斥的方法不适用的情况，如点云孔洞边缘延伸趋势有很大差异等场合。该方法通过使用一个与待修补模型局部相似的完整三维网格模型作为模板，令模板变形拟合原始点云的孔洞边界及其邻域，最后从匹配好的模板采样并平滑融合到原始点云中的缺失部分达成孔洞修补的目的。本文使用局部化、自适应参数、多分辨率、线性化与边界点加权等方法，在提高模板与原始点云匹配质量的同时，提升了求解效率。　　最后本文根据人体模型上点云孔洞的各自特点，结合上述两种方法实现了孔洞的半自动修补。针对在人体建模得到的点云中的典型孔洞区域，我们通过多组实验表明，本文方法可以取得较好的修补效果。