在精细小物件的加工生产中,通常会先建立所要加工物件的三维点云模型,然后在此模型基础之上完成更加精细化的工业加工处理工作。但在构建三维点云模型时会出现局部结构细节缺失和整体重建精度不足等问题。为了解决此类问题,提高三维点云的重建精度,本文设计提出了一种基于融合改进特征匹配和增强ICP算法的三维点云重建系统。本文主要工作包括:1、在特征提取匹配环节,本文提出了一种增强特征提取匹配算法。首先利用本文提出的基于非线性尺度空间的多尺度自适应FAST和SURF算法进行融合特征提取;然后通过haar小波响应确定特征点方向和完成描述子计算;最终采用本文搭建的加速KNN双向匹配和RANSAC算法完成匹配。对比其他特征提取匹配算法,本文算法整体的有效匹配数量更多,匹配有效率达到93%,有良好的实时性和鲁棒性,同时能够配合之后的算法为本文的三维重建系统提供了更精确的旋转平移矩阵初始值,提高了三维点云模型的重建效果。2、在点云融合重建环节,本文提出了一种增强ICP算法。先通过匹配到的不同帧之间的大量特征点计算每一帧对齐到世界坐标系下的变换参数作为精确的初始值;然后对匹配成功和未匹配成功的三维点集采取不同的权重选取策略;最终运用本文提出的一种双层迭代优化策略进行点云融合重建。经实验证明,对比于传统ICP、KC、RPM、CPD算法,本文算法的精度更高,平均重建误差在0.077mm左右,且操作简单、建模成本低、实时性好,可以应用于小物件的三维点云模型重建和实验教学之中。