随着现代三维扫描技术的提高，三维点云建模已经成为了重要的建模方式，对点云模型的处理已经成为近年来研究的热点。为了对被测物体进行重建，首先需要获得物体表面的真实数据，但是由于测量设备和环境等因素，每次测量得到的点云数据都是不完整的，并且不可避免的存在不合理的噪声以及数据失真等情况，还可能出现平移错位和旋转错位。论文对三维点云模型数据的滤波算法与配准算法及其相关问题进行研究。主要的工作内容如下：首先，针对已有的点云模型滤波算法出现的顶点漂移和尖锐特征难以保持的问题，考虑采样点的空间位置、法向和高斯曲率信息，非对称的选取采样点邻域，提出一种对点云模型的不同曲率特征区域采用不同滤波策略的滤波算法，对采样点进行各向异性滤波去噪。其次，为了给精确配准提供较好的配准初始值和精简的数据集，提出一种基于全等三元素的随机采样一致性的初始配准算法。该算法利用采样点处曲率、采样点与邻域质心连线与法线的夹角、以采样点为顶点的三角形边长寻找全等三元素对应控制点集，利用对应控制点集代替原始点云进行配准，然后利用奇异值分解法(SVD)方法计算变换坐标。最后，为了与已有的滤波算法和配准算法相比较，通过进行仿真实验，验证基于曲率特征分类的滤波算法在平滑光顺点云模型的同时，能够较好地保持模型的细节尖锐特征，具有更好的滤波效果，提高滤波的运行速度和自动化程度；验证基于全等三元素的随机采样一致性初始配准算法，具有更好的自适应性、稳定性和鲁棒性，能够为下一步精确配准提供更加精确的初始值。