先进装备制造业逐渐朝向精密化和超精密化发展,对回转体类零件的测量精度提出了越来越高的要求。滤波作为表面轮廓测量中的重要技术环节,其性能直接影响到测量结果评定的准确性。在目前的圆度评定中使用的高斯滤波器仅适用于完整圆轮廓,对于带有内外孔的轴承、削边圆柱以及定位轴等横截面为非封闭圆轮廓的零件,传统高斯滤波器存在边界效应;此外,零件表面存在的划痕、硬质点等特征,会使测量数据中存在异常值,导致滤波结果畸变失真。本文针对上述问题开展研究并完成了以下工作:为解决传统高斯滤波器对非封闭圆轮廓滤波时存在的边界效应问题,一方面研究了对传统高斯滤波方法进行改进的两种滤波器,一种是基于轮廓信息延拓的高斯滤波器,即采用轮廓信息延拓对缺失的轮廓信息进行补偿;另一种是用高斯回归方法修正高斯权函数的高斯回归滤波器;另一方面将样条函数应用于滤波算法中,推导了样条滤波方程,构建了样条滤波器。通过数值仿真及实验对三种滤波器抑制边界效应的有效性进行了验证,结果表明基于轮廓信息延拓的高斯滤波器和高斯回归滤波器能有效地抑制边界效应,样条滤波器能完全消除边界效应。为有效抑制异常值对滤波结果的影响,将稳健估计理论引入滤波算法中,一方面,在高斯回归滤波器的基础上,构建出稳健高斯回归滤波模型;另一方面,在样条滤波器的基础上,建立了通用稳健样条滤波模型,并分别基于L1范数和M估计中的Tukey函数构建稳健样条滤波器,最后通过加权迭代法实现三种稳健滤波器的滤波算法。通过数值仿真及实验对三种稳健滤波器抑制异常值失真的有效性进行验证,实验结果表明稳健高斯回归滤波器、基于L1范数和M估计的稳健样条滤波器均能有效地削弱异常值引起的滤波失真,特别是基于M估计的稳健样条滤波器,可以将12.4μm的异常值抑制到0.1μm。基于Visual Studio平台和C#语言开发了非封闭圆轮廓滤波软件模块,并将其植入到圆度测量仪中,该软件模块主要实现了对非封闭圆轮廓数据进行采集、滤波处理及评定,扩展了仪器中现有软件的功能,解决了现有软件无法对非封闭圆轮廓进行滤波处理以及圆度评定的问题。