基于“点云”数据的直接加工是以物体表面上不附加任何拓扑信息(包括测量点的法矢、曲面边界信息)的散乱点集为研究对象的一种逆向工程方法。传统逆向工程要经过曲面拟合、等距、裁剪或三角网格剖分建立其曲面模型,进而才能在曲面模型上生成数控加工刀位。这种方法相当繁琐费时,而且精度难以保证。为了提高逆向工程或仿制的精度和效率,越来越多的研究人员致力于研究如何利用测量得到的“点云”数据直接生成数控加工刀位。本论文首先针对测量数据的方法不同,分别对由LK G90C和TDV800三维激光扫描仪所获得的“点云”数据进行预处理,如测头半径补偿、异常点处理、光滑等。将所有数据点在XY平面内的投影左边界作为主加工方向,并提出了相应的求解算法,为便于后续数据处理的方便,进行了数据的坐标转换;在给定加工误差和残留高度的前提下,采用最小二乘平面拟合法,构建了最佳向前步长和侧向步长的非均匀投影刀具位置网格。为避免每条切削行最后一个网格内的数据点过少所带来的拟合效果的不理想,建立了以拟合偏差的均方根RMS和相邻拟合平面之间的夹角为优化目标的双目标优化模型。考虑到建立的投影刀具位置网格是用网格节点的X和Y坐标来表示的,建立了加工误差模型,由于缺少连续曲面的表达方式,某个特定数据点的加工误差以过相邻圆柱形刀具扫掠曲面相对应的两个截面椭圆的公切线的Z向偏差来定义,每个数据点的加工误差就是相应网格节点的位置函数,通过模式搜索优化算法最小化每个网格单元的加工误差来确定相应的网格节点的Z坐标,对相同刀具路径上的网格节点的位置取加权平均来顺次生成用于数控加工CL点。最后对所获得的刀位数据信息进行了后置处理,根据五坐标机床的结构不同,采用了相应的坐标转换,用Matlab编制了用于三轴加工和五轴加工的G代码生成模式。最后以鼠标面、马鞍面等“点云”数据为例,分别进行了预处理、加工刀位的生成和后置处理,利用Vericut 5.4等软件的仿真功能,对数据点云直接加工的刀具路径进行了实时动态仿真,验证了本文提出的直接加工理论和算法的正确性和有效性。