随着三维测量设备的更新换代和计算机数据处理技术的快速发展,三维扫描技术能够快速准确的获取物体表面的点云数据信息。基于多线激光的三维扫描技术,因其适用环境广泛、设备安装方便、易于商业化开发等优点,被广泛地应用于点云数据的采集工作中。初始的点云数据需要通过点云数据处理技术进行加工,提取点云数据中各种不同的特征信息,才能满足人工智能、逆向工程、工业自动化等各个领域的应用需求。本文针对基于多线激光稀疏点云的稠密化方法、基于边界质心的多线激光点云粗配准方法、基于非编码标志点的多线激光稀疏点云配准方法开展了研究,具体内容如下:1、针对多线激光的光条纹间距较大,点云数据几何特征不明显的问题,提出了一种面向多线激光点云的稠密化方法。提取位于被测物体同一表面的点云数据,使用随机采样一致性算法或最小二乘法拟合出物体表面的方程,根据拟合方程补充光条纹之间的点云数据,使原本稀疏的点云稠密化,再利用被测物体面与面之间的约束条件,剔除多余的点云数据。实验表明,该方法能够有效地填补光条纹之间缺失点云数据,提高点云三维重建的精确度。2、针对传统关键点四点法配准密集点云耗时长且易出现错误匹配的问题,提出一种基于边界质心的点云粗配准方法。通过对点云数据进行边界提取,既保留点云外表特征,又减少点云数据的大小,提高了粗配准速度;为了加快边界点的提取速度,使用k-d tree算法进行k近邻点的搜索;通过配准点云边界点的质心,减少点云初始距离并增加重叠度,保证了粗配准的精度;实验表明,该算法能有效地对稠密化的多线激光点云进行配准,并提高粗配准速度和精度。3、针对基于多线激光的点云数据分布稀疏,很难通过拓扑学关系提取特征描述子进行点云配准的问题,提出了一种基于非编码标志点的多线激光点云配准方法。在被测物体上贴上两个标志点,连接同一视角下的标志点作向量,把向量中心平移到坐标原点并计算平移矩阵,利用罗德里格斯公式计算不同视角下标志点向量之间的旋转矩阵,通过平移和旋转矩阵求出稀疏点云配准的变换矩阵。实验证明,该方法能够快速准确地完成多视角下的稀疏点云进行配准任务。