近年来,激光扫描技术的快速发展使非接触、高密度、数字化地获得目标的三维信息成为现实,因此这项技术也被称为实景复制技术。激光雷达的出现更是激光扫描技术的一个重大突破,其结构灵活、处理高效,并且采集到的数据通常以点云形式呈现,更易储存和处理。激光雷达在扫描大规模实景时,通常需要在多个方向和角度才能得到完整点云数据,并且采集到的海量点云中存在大量的噪声,这导致后续三维建模效果不理想。因此点云数据处理技术在三维建模中起到至关重要的作用,主要包括点云滤波、精简以及配准。本文以激光雷达获取到的三维点云为主要研究对象,针对点云数据处理的关键技术开展如下工作:1.针对双边滤波方法不能处理距离点云主体较远的噪声点,并且对于较为平坦的表面易造成模型过度光顺的缺点,本文提出基于特征区域划分的滤波算法。首先分析了激光雷达点云中噪声的来源及数学模型,然后根据平均曲率划分三维点云空间,对平坦区域和特征区域采取不同的滤波方法,使点云滤波更具针对性,最后通过仿真验证了该方法的滤波效果和算法执行效率更优。2.针对基于曲率精简算法会导致平坦表面过度精简甚至失去物体本身特征信息的问题,本文采用基于几何特征的点云精简算法,将法向量引入曲率精简算法,根据判断局部特征信息是否丰富来选择合适的精简率。实验结果表明,该算法避免了过度精简导致的“空洞”现象,同时保留了目标物体原有的细节特征,对点云模型和实景点云都有很好的精简效果。3.当两片待配准点云间重叠区域较小时,迭代最近点(Iterative Closest Point,ICP)配准算法运行时间长、错误点对多、配准速度慢。针对上述问题,本文提出首先利用主成分分析法对不同角度下的点云数据进行初配准;然后采用基于特征点的ICP算法对初配准后的点云进行再次配准,降低了误匹配的概率,最终达到精确配准的目的。实验证明该算法克服了ICP算法配准效果差、消耗时间长的缺点,并且适用于实景点云的配准。