近年来钢结构建筑越来越多,这些建筑都是由钢结构组件经过焊接拼接而成。这些钢结构组件一般都是在车间按照设计图纸进行加工,然后在施工现场进行焊接,但是由于施工条件恶劣、加工技术不成熟及焊缝收缩等影响,导致焊接之后的钢结构和设计图纸有些许差别。倘若焊接之后的钢结构变形较大,会导致后期组件安装困难影响施工进度、造成材料损失。为保证施工效率与施工精度,需对焊接之后的钢结构进行检测。为减少外业工作量并快速获取钢结构数据,选择使用三维激光扫描技术进行钢结构数据的采集。针对大量激光点云与设计模型之间的精确化检测问题。主要研究内容如下:(1)针对点云与设计模型的基准统一问题,将改进的自适应遗传算法应用于大型钢结构点云与设计模型之间的基准统一,根据种群进化程度,在进化前期先执行交叉操作,增大交叉概率,提高产生优良个体的概率;然后再进行变异操作,并减小变异概率,避免优良个体遭到破坏;在进化后期,先执行变异操作,增大变异概率,提高种群的多样性,再进行交叉操作,减小交叉概率,避免过早收敛陷入局部最优的情况。并将轮盘赌选择与最优保存策略相结合,提高算法的收敛速度。(2)由于大型钢结构设计模型面片较多,针对如何快速精确求得焊接后钢结构与设计模型的偏差,采用半边编码的方式构建设计模型点、线与面的拓扑关系,以提高计算效率;并提出点-面对应模型与点-线对应模型,确定点云与设计模型各点线面的对应关系,提高偏差计算的精确度;最后利用色谱图的方式直观的表达焊接后的钢结构与设计模型之间的偏差分布,获得钢结构整体变形信息。本文以某钢结构屋顶的点云数据与设计模型为研究对象,利用改进的自适应遗传算法实现点云与设计模型的基准统一、精确计算点云与设计模型之间的偏差,实验结果表明改进的自适应遗传算法可收敛到全局最优解,半边编码方式提高了计算效率,提高了数字化检测的效率与精度。