随着激光扫描技术的发展,快速、精准地采集实物模型表面的点云信息已经成为现实,极大地促进了逆向工程的发展。由于采集到的点云是海量的、含有噪声的、冗余的,因此,如何高效的进行点云处理,生成可用于再制造的CAD模型是逆向工程的核心任务之一。本文以此为背景,研究了激光扫描点云处理工作中的若干关键技术。首先,点云曲面特征估算。建立点云kd-tree结构,通过快速地查找到每个数据点的邻域点,重构出点云的空间拓扑关系。基于点云拓扑信息拟合出每个数据点的局部微切平面和二次参数曲面,估算出数据点的法向量、高斯曲率等曲面特征量,为点云去噪、精简等后续处理工作做好准备。其次,离群点滤除及点云光顺滤波。通过对离群点产生的原因进行分析,采用三维区域增长法和相似度度量函数进行离群点的滤除。在比较常用的点云光顺滤波算法的基础上,采用改进的双边滤波算法对点云进行光顺滤波。改进的双边滤波算法增强了双边滤波算子的鲁棒性,并且能够在不增加运算时间的同时更好地保持点云模型的几何特征。再次,点云精简。在对常用的点云精简算法的深入分析和研究的基础上,改进曲率精简算法。改进的曲率精简算法能够根据点云的密度和曲率为每一个数据点确定一个精简距离。这种点云精简算法不仅很好的继承了曲率精简算法的优点,而且有效地避免出现“空洞”现象。最后,点云配准。引入基于点的邻域曲率相似度度量和基于刚体变换不变量等约束条件筛选出两片点云的若干高精度的匹配点对,完成点云初始配准。在此基础上,构造参与ICP算法的有效初始点集,并利用kd-tree加速寻找两个点集中对应的欧氏距离最近点,完成点云精确配准。本文的各项研究,均有相应实例验证。