在逆向工程中从实物模型采集而来的数据一般是以点云形式存在,采集所得的点云数据往往非常庞大,有的甚至达到了数以百万级、千万级乃至亿级。这些数据量巨大的点云数据具有结构散乱、含有噪声等特点,这些特点不但给后续的点云数据的处理带来巨大的存储、传输和运算负担,而且对其进行曲面生成、拟合等几何造型也带来了很大的困难。为此研究从海量的含有噪声点的点云数据模型中去除噪声的逆向工程点云数据预处理技术,对于提高逆向工程的技术水平具有重要意义。　　本文首先对逆向工程技术的发展现状,应用领域及其关键技术进行了分析研究,对点云数据模型的噪声去除技术进行了深入的研究。主要内容包括:　　1)针对现有点云数据模型,对其中包含的噪声点的深度信息进行了分析,基于图像去噪的“超限邻域平均法”的去噪原理,结合运用空间解析几何理论,提出一种直接对三维无组织散乱点云的去噪算法。使原本用于二维图像的噪声去除的思想,转换为对三维图形数据点的操作。此算法主要的的特点对离群噪声点的去除效果比较明显。　　2)根据点云数据模型中的噪声点的特性,对噪声点进一步进行了区分,对不同特性的噪声点采用不同的方法予以区别对待,运用空间解析几何理论与多元函数逼近的数学方法,提出了多元曲面逼近的三维散乱点云数据去噪算法。实验结果表明这个改进后的去噪算法不但能有效地去除模型中的离群噪声点,而且,对于贴近模型表面的粘稠噪声点的去除也有很好的效果。