本发明涉及一种点云数据质量自动优化方法,包括如下步骤:对待重建的目标物采集初始点云数据,以得到初始离散点云;对上述得到的初始离散点云进行初步的数据清洗得到LOP采样模型;在上述得到的初始离散点云上采用Possion曲面重建的方法,得到Possion重建点云模型;将所述得到的Possion重建点云模型与上述得到的初始离散点云进行迭代最近点算法配准;针对当前配准的模型上每一点,在得到的LOP采样模型上计算该点对应位置一定半径距离区域内的周围点对它的一个权重,并将所述权重与阈值进行比较,以确定该点所在区域是否需要重复扫描。本发明还涉及一种点云数据质量自动优化系统。