为促进建筑业向高效、高品质和绿色化方向发展,我国正在发展装配式建筑和智能建造技术,通过技术进步推动建筑业转型升级。目前,我国对预制混凝土构部件的尺寸质量检测（表面平整度与外观尺寸）主要采用直尺、塞尺等人工检测手段,检测效率低、人力消耗大且含有主观测量误差等问题。目前,基于三维激光扫描仪的非接触式尺寸测量技术正逐渐受到建筑业研究人员的关注。三维激光扫描仪可以对被检测对象进行全方位扫描,获得被扫描对象的海量三维点云数据,而采用有效的点云数据处理算法即可获得所需检测的尺寸质量。因此,提出基于建筑构部件（建筑承重构件及装饰装修部件）点云数据的智能成套算法实现自动尺寸质量检测,对于推动装配式建筑的技术进步具有重要的意义。本文基于点云数据提出了一系列智能算法用于建筑构部件的尺寸质量检测,主要研究内容和创新性成果如下:（1）为提高预制构件的尺寸质量检测速度,提出多预制构件点云数据采集方法,并提出一种基于图像处理技术的多预制构件点云数据分割算法。所提出的分割算法包含四步:1)点云数据预处理,包括地面数据过滤及数据切片等;2)图像映射,实现三维点云数据至二维图像的转化;3)图像分割及三维点云数据回溯,包括聚类、边缘识别和活动窗口算法等;4)三维点云数据分割,包括径向有界最近邻图算法等。所提出的基于图像处理技术的多预制构件点云数据分割算法的效率与有效性通过了5组户外点云数据的验证。（2）针对被分割的点云数据,提出一种基于BIM设计模型的多预制构件点云数据识别算法。所提出的识别算法包含两步:1)法向量分布分析方法,实现预制构件与背景的区分;2)模型匹配度评估,实现预制构件类型的准确识别。所提出的基于BIM设计模型的多预制构件点云数据识别算法的准确性与有效性通过了同类型不同造型、不同类型以及大数量三种扫描场景点云的验证。（3）为实现对施工后建筑场景点云数据的语义分割,创建包含56组训练数据和13组测试数据的基于三维激光扫描的室内结构点云数据集,并采用创建的数据集对Point CNN神经网络模型进行训练,根据测试结果评估了Point CNN在实际扫描点云的语义分割效果。（4）针对建筑与构件表面数据,提出一种平整度自动检测算法和一种基于彩色编码差异图的平整度检测结果可视化方法。根据所提出的平整度自动检测算法考虑建筑与构件表面尺寸差异较大的特点,提出两种不同的数据预处理方法。对于建筑表面数据,采用表面数据分割以及平面拟合来创建标准参考面;对于构件表面数据,引入预制构件BIM设计模型作为标准参考面,并提出一种分级搜索域方法来提高模型与扫描数据的匹配效率。所提出的平整度自动检测算法与检测结果可视化方法的实用性与便利性通过了一组未找平的房间以及两组足尺预制混凝土构件的验证。（5）提出一种基于点云数据的预制构件尺寸自动提取算法。所提出的尺寸自动提取算法包含三步:主体结构尺寸提取,细部结构尺寸提取以及模型可视化。主体结构尺寸提取中,针对预制构件点云数据中的多面角点以及由被遮挡表面造成的双面角点和单边拐点提出相应的估计方法;细部结构尺寸提取中,针对预制构件的圆形孔洞提出了基于点云数据密度的自适应估计方法;模型可视化中,针对预制构件尺寸信息传输与模型生成进行了Revit软件的二次开发,形成了算法的可视化成果。所提出的基于点云数据的预制构件尺寸自动提取算法,其有效性通过了2组基于不同扫描分辨率（1/5与1/8）的足尺预制混凝土楼梯点云数据（包含80条边长与4个圆孔）的验证。