随着数字化技术快速发展,数字化建模技术在产品设计、仿真论证、生产加工、装配等整个生命周期扮演了越来越重要的角色。无拓扑结构的点云数据可以更全面的展示产品的原始设计想法和特征信息,结合对点云数据的研究实现的数字化建模可以在产品早起实现功能、参数和性能等评价,从而缩短装配周期、降低装配风险和成本。点云处理技技术在国内起步较晚,多视点扫描点云的对齐配准需手动选择特征,导致对齐精度不理想且效率低,现有点云处理软件对复杂曲面的关键特征识别结果不精确,曲面拟合效率较低,传统曲面重构方法对曲面片的还原精度低。为解决以上问题,本文将探究物理空间多传感融合高精度数据处理方法,对采集到的点云数据进行滤波去噪、对齐配准等预处理。提出一种改进的迭代闭合点算法,利用点对距离的约束来剔除点云配准中的虚点对,实现高精度高效率的对齐配准。引入基于Laplace算子对特征点的提取方法,将特征点顺序连接形成特征线,最终连接特征曲线实现曲面分割。基于Guass映射几何识别原理完成曲面的几何参数求解,通过PCL点云库对点云数据处理相关算法进行改进和融合,实现产品的高精度、高效率还原,完成快速建模。本文以Visual Studio 2015为开发环境,并利用PCL点云库对点云进行以上数据处理,通过仿真与实测目标重构建模等验证。实验结果表明:改进的迭代闭合点算法与传统的ICP算法相对比对齐配准的效率提高了43.41%,配准精度上提高了43.81%,为点云快速建模提供了良好的准备基础;基于平面、柱面、锥面的曲面拟合结果皆趋近于1,其拟合效果符合精度要求;对特征明显的零件进行重构建模,时间比传统逆向重构时间减少33.3%,且实物建模结果良好,精度偏差在允许范围内。