随着中国民用航空行业的蓬勃发展，航空发动机叶片的维修技术在航空领域的作用也越发重要。叶片作为航空发动机中的关键零件，因其工作环境恶劣而容易受损伤，又因其工作性质要求形状精准，所以叶片的三维测量重构、焊接修复技术在航空领域中占有重要的位置。在叶片的三维测量重构中，点云的处理和拼接的算法目前仍然不成熟，因此研究高精度、快速的三维点云数据处理技术对提高航空领域竞争力具有重要的意义。在详细了解国内外学者对三维点云数据的预处理、拼接和后处理算法研究现状的基础上，针对航空发动机叶片曲面形状和高精度的要求，提出了基于点云增强技术的改进ICP （Iterative Closest Point）算法的点云精拼接算法；又提出了包围盒法和曲率精简法相结合的点云精简算法。在采集系统对叶片多视场三维数据采集后，经过k-d树算法对点云快速去噪处理的点云数据依然非常庞大，采用曲率精简法和包围盒精简法相结合的算法进行点云数据精简。在点云数据的拼接算法中，首先对不同视场下的点云数据进行粗拼接，粗拼接后两幅点云有比较接近的初始位置，能够满足ICP算法对点云初始位置的要求。由于ICP算法在搜索最近点时容易出现局部极值问题，提出一种新的方法即在对应点对的搜索中如果没有找到符合要求的点，则对点云进行局部增强，防止出现错误配准。采用新算法提高点云拼接的精度，使拼接的标准偏差小于0.004mm；提高了拼接的效率，所需要的迭代时间比传统的ICP方法减少500s以上。点云数据拼接后利用三角化填充方法对孔洞进行处理，点云数据转化为多边形，用多边形构造曲面，实现叶片的三维重构。对某型号的航空发动机叶片经过三维点云数据的预处理、拼接和后处理算法后，利用三维逆向软件重构出其三维模型，并对其三维点云数据精拼接平均距离、标准偏差等实验结果进行分析。本算法精度符合航空发动机叶片的修复标准，实验表明提出的拼接算法在精度上有很大提高，效率也有一定提高，满足工业实际要求。