近两年来，为适应汽车产品的多样化要求，逆向工程技术作为汽车产品最具实用价值的一种高科技开发形式之一，在我国汽车工业的发展中发挥着重要作用。在逆向工程中对大型车模由于不同角度测量所得的点云数据需进行多视曲面拼合，本文对此产生了拼合困难和分层问题进行了深入的研究，提出一种新的多视曲面拼合思想-点纹法。本文具体内容如下： 1.概要介绍了逆向工程，神经网络，数据融合的背景知识和发展概况； 2.描述多视曲面拼合问题的提出和定义，传统拼合算法的优缺点，重点讲述了ICP(Iterative Closest Point)算法中点如何在曲线上投影实现，及提出利用二阶导数信息可减少迭代次数，并用数学公式证明了利用梯度信息和Hessian函数可进行对齐，证明了传统ICP算法存在的缺陷：四元数法；奇异值分解(SVD)法； 3.分别描述了三种比较新的多视曲面拼合方法，如三点对齐法、网格拼接法、基于曲率RGB拼合(对齐)算法，对三点对齐法进行精度分析； 4.提出了一种新的、有效的用于逆向工程多视曲面拼合的算法，即点纹法。系统阐述了点纹法的思路，即将指纹技术应用到逆向工程中，利用夹角对比的简单方法，把切平面上的等距面投影到点云上，形成纹路圈，然后经过基于径向基函数(RBF)神经网络对冗余数据进行融合处理；与同类算法相比，该算法可提高对齐精度和效率。 5.介绍了多视数据对齐误差分析。