工件表面特征建模和测量是工业生产中较为基础的产品质量控制手段,高效的质量检测方法可以缩短产品的生产周期,提高产品的合格率,提高社会的经济效益。传统的接触式测量检测效率低,设备成本高,无法满足大规模的工业产品质量检测。随着计算机视觉的发展,二维视觉测量得到了广泛应用,其能够替代传统接触式测量完成一些较为基础的二维测量工作。但是,二维视觉无法实现工件的三维尺度上的测量,于是在此基础上发展起来了非接触式的三维视觉方法。通过三维视觉方法得到的是散乱的三维点云,如何将点云技术应用到工业生产中便是本文的主要议题。目前基础的点云处理技术已经发展的较为成熟,但是如何将其成功应用到工业上还有一些问题需要解决,这主要体现在以下几个方面:（1）点云的近邻搜索效率较低,采集得到的原始点云存在着大量的噪声同时数据量也较大。（2）点云法向量估计与调整是很多高级算法的基础,但是对于工件点云而言其精度和效率还有待进一步优化。（3）经典的曲面重建大多没有考虑到工件的特征,导致工件的尖锐特征变得重建精度较低。（4）点云中已经包含了工件的尺寸信息,但是目前缺乏如何从中提取尺寸信息的方法。针对以上提到的目前点云技术在工业应用上存在的问题,本文的主要研究内容如下:（1）针对于前两个问题,本文首先调研了不同原理的点云采集方法,通过对比分析各原理的优缺点,最终选出了适用于工业领域的点云采集方法并采购了相应的三维扫描设备。接着,研究了点云的数据结构和搜索算法,总结出适合工件点云的方法,为后续的点云处理提供了效率上的保障。然后研究了点云去噪和降采样的方法,提出了自适应的参数设置方法。最后研究了适用于工件点云的法向量估计方法,并提出了高效率的基于广度优先搜索的法向量调整算法。（2）针对于曲面重建的问题,本文首先研究了曲面重建的基础理论以及经典的贪婪投影三角形算法和泊松算法,总结出了其各自的优缺点和适用场景。然后,根据曲面变分,工件点云被划分为平缓特征和尖锐特征。最后,基于工件特征本文分别从曲面重建的精度和效率两个方面进行了研究。（3）针对工件测量的问题,本文首先将测量过程分为待测特征的提取和待测特征的拟合两个步骤,因此三维尺寸的测量也就有了一定的通用性。然后,研究了用于特征提取的RANSAC算法和用于特征拟合的最小二乘法。最后,根据这两种方法给出了外圆直径和面间距的测量方法。最后,本文搭建了软硬件实验平台并对文章中提出的方法进行了验证分析。本文的研究工作进一步促进了点云技术在工业领域的应用,有着较高的经济效益和社会价值。