变电站场景的三维重建是建设智能变电站的基础。随着虚拟现实技术的发展,使基于三维点云的变电站重建逐渐成为研究的热点。然而,目前基于点云的变电站建模方法主要是利用Geomagic studio等建模软件,人工交互地生成变电站三维模型,这种方法存在建模精度低、效率不高等问题。同时,通过激光扫描仪获取的点云数据可能存在噪声、遮挡以及密度不均匀的情况,也会增加建模的难度,所以研究基于三维点云的变电站自动重建技术有着重要意义。本文对基于点云的变电站自动建模中的两个重要技术:如何从变电站三维点云整体数据中提取所有独立的设备点云以及如何对提取出的设备点云进行识别进行了深入研究,主要内容包括:（1）变电站点云数据的预处理。首先使用统计滤波方法对变电站点云数据进行去噪,接着采用八叉树编码的方法对变电站点云数据进行了精简,最后使用随机采样一致性算法对平面进行拟合,实现对地面点的去除。（2）基于三维点云的变电站设备提取。本文提出了一种基于体素生长的变电站设备点云提取算法,首先采用随机采样一致性算法将和设备粘连的母线管去除,然后将余下的变电站点云数据体素化,生成变电站点云体素空间,将位于体素空间下方且满足一定条件的体素选为种子体素,从而确定种子体素堆栈。接下来从种子体素堆栈选择种子体素进行生长聚类,完成设备点云的粗提取。最后,对粗提取过程中缺失的点进行重聚类,并且利用主成分分析法对设备点云上粘连的电线进行去除,完成设备点云的细提取。在合作公司提供的变电站点云数据上,对本文提出的变电站设备点云提取算法进行了测试,实验表明,本文算法可以成功地提取出全部的设备点云,召回率达到99.76%,精确率达到99.09%,并和另外一种设备点云提取算法进行对比,进一步验证了本文算法的有效性。（3）基于三维点云的变电站设备识别。首先利用设备点云在空间中的对称性和分布密度,建立待识别设备点云的局部坐标系。然后结合变电站设备点云的形状和设备视图的差异,定义了一种新的特征描述子,用于对设备点云的描述和识别。接下来将计算出的待识别设备点云的特征描述子和模板库中的特征描述子进行相似度匹配,找到相似度最高的模板,完成对设备点云的识别。最后,用129个待识别设备点云对本文提出的算法和另外两种设备点云识别算法进行了测试,实验表明,本文的设备识别算法识别一个设备的平均时间为3.2s,识别准确率达到了 90.7%,具有较好的识别效果和识别效率,并且当待识别设备的点云密度不均匀时,本文算法仍能保证较高的识别准确率。