随着三维激光扫描技术的发展,三维点云重建技术逐渐在航天航空、计算机视觉、医疗行业和城市规划等领域得到广泛的应用,点云数据处理技术是其应用前提的核心部分。三维激光扫描技术获取到的点云是海量的和离散的,必须经过一系列的处理才能在实际的场景实现应用,而点云数据的处理技术成为制约其在各行业发展的关键因素,因此对其开展相关研究一直是国外内学者在进行的科研工作。本文在点云数据滤波、特征点提取和点云数据精简三个方面开展了一定研究,具体内容如下:（1）针对复杂场景点云模型含有多种噪声点,单一滤波方法不能对这些噪声点达到较好滤波效果的问题,提出一种综合多种算法的点云滤波优化策略。对于线性和稀疏的噪声点使用统计滤波进行去除;直通滤波分割出需要细化的区域;布料模拟滤波的主要作用是在分割出的区域上区分地面点和非地面点;半径滤波用来去除附着在目标点云周围的稀疏噪声点。实验表明,该方法能较好的去除复杂场景中的各种噪声点。（2）针对特征点提取过程中单一判别参数容易导致特征点的漏判和错判问题,提出一种基于多参数判别的特征提取方法。将特征点的提取分为边界点的提取和尖锐点的提取:边界点的提取主要通过相邻投影向量的夹角值进行判别;尖锐点是根据局部曲率权值、相邻法向量夹角的均值和点云间距三个参数相结合组成特征点判别参数,并为曲率权值和相邻法向量夹角均值分配权重系数,再根据特征点判别参数的分布情况,利用曲率的最大值和点云间距定义了特征点判别阈值,通过调整两个权重系数将大于阈值部分的点识别为尖锐点;最后将边界点和尖锐点合并后为提取的特征点。实验表明,提取的特征点相对完整,非特征点含量较少。（3）针对点云数据精简过程中易造成点云模型的细节特征丢失问题,提出一种基于特征点和SIFT关键点提取的点云数据精简方法。点云数据精简是在平缓区域删除较多的点,但又不能使这部分区域出现空洞。因此该方法在数据精简时对特征点做到了一定的保护,在平缓区提取SIFT关键点,这样就能保证对于整个点云模型提取到的都是特征点。实验表明,该方法既能最大量的去除冗余数据,又能保留点云中大部分特征点,实现了点云数据的高质量精简。