随着我国制造业的飞速发展,对高质量高精度机械工件的需求变得越来越大,传统的接触式测量方式不再能满足工业要求。三维测量技术作为一种新型的非接触式测量方式很快受到各行各业的青睐,点云数据处理技术也随之成为一种热门的技术手段。但由于遮挡、测量设备的局限等原因,使获得的点云模型出现不同类型的孔洞,直接影响到模型的后续处理。本课题针对点云模型中存在的孔洞问题,并考虑现有孔洞修补技术的缺陷,提出了一种基于解析张量投票的点云特征保持孔洞修补方法。本文主要工作内容包括以下几个方面:1.通过分析传统张量投票算法基本原理,发现了其计算过程复杂、计算效率低的根本原因;然后针对该问题提出了三维解析张量投票算法,该算法采用新的张量投票机制,推导出了张量投票计算公式的解析解,从根本上解决了传统张量投票计算过程复杂、效率低的问题;最后通过对点云模型特征结构提取实验,验证了该方法的精确性和高效性,同时为点云模型的孔洞修补研究奠定了基础。2.提出了一种基于解析张量投票的多准则孔洞边界识别方法;首先分析了三种不同的孔洞边界识别方法:最大角度孔洞边界识别法、半圆盘孔洞边界识别法和张量投票孔洞边界识别法;然后根据三种方法各自的特点进行加权求和,提出了基于解析张量投票的多准则孔洞边界识别方法;最后通过实验研究表明该方法可实现包括尖锐特征缺失孔洞在内的多种孔洞边界的精确识别。3.提出了一种基于解析张量投票的点云特征保持孔洞修补方法;首先对提取出的孔洞边界进行特征分析,将所有孔洞分为特征孔洞与非特征孔洞;然后采用亚像素移动立方体算法对特征孔洞区域的残缺特征线进行修复,同时完整特征线将特征孔洞划分为小的非特征孔洞;最后应用张量投票特征推理的基本原理对所有非特征孔洞进行统一修补。实验表明,该方法在实现点云孔洞修补的同时能很好的恢复模型原有的特征。4.设计和模拟了实测点云数据的获取实验,并采用本文的孔洞修补方法进行了对实测点云数据的孔洞修补实验,验证该方法对实测点云模型中孔洞修补的可行性。