环形锻件是重大机械装备的重要组成部分。为了保证环形锻件加工质量,通常利用完整环形锻件点云数据对环形锻件外形尺寸进行分析,由于环形锻件体积较大,激光扫描仪只经过一次扫描得到的模型数据并不完整,所以需要对环形锻件局部点云数据进行配准处理,才能得到完整环形锻件点云数据。由于激光扫描仪多次扫描得到的环形锻件点云数据过于密集,需要对配准后的环形锻件点云数据进行精简处理,以提高环形锻件点云数据处理效率,为曲面重建奠定基础。基于智能优化的点云数据处理算法是一种新兴的高精度点云数据处理算法。因此,本文结合智能优化算法对环形锻件点云数据配准与精简算法进行研究,主要研究内容如下:首先,对环形锻件点云数据进行配准处理。为了获得环形锻件整体的点云模型数据,需要对环形锻件不同部分的点云数据进行配准。本文提出了基于特征点的环形锻件点云配准算法,利用改进果蝇算法提取点云重叠区域,之后通过角点检测自适应方法提取重叠点云特征点,最后利用特征点集进行点云坐标变换,得到点云变换矩阵,获得环形锻件整体的模型数据。其次,由于环形锻件点云配准后数据过于密集,影响后续算法的效率,本文提出了一种基于改进人工鱼群（Improved artificial fish swarm algorithm,IAFSA）的环形锻件点云数据精简算法,利用自适应步长、曲密值评价参数和多种群协作理论对原始人工鱼群算法进行改进,通过改进人工鱼群算法对环形锻件点云数据进行计算,保留点云数据的特征点集,达到环形锻件点云精简的目的。最后,分别利用实验室和生产现场环形锻件进行激光测量,开展算法验证研究。利用激光扫描仪对三阶环形锻件进行扫描,获取其点云数据。根据本文提出的点云配准和精简算法对三阶环形锻件点云数据进行处理。利用传统方法与本文所提出方法进行环形锻件点云配准和精简对比实验,对实验得到的环形锻件尺寸参数进行分析。实验结果表明,本文提出的环形锻件点云配准与精简算法准确可行。