由于三维测量设备获取到的点云数据存在数据量过大、噪声过多等问题,需要对点云数据先进行一些预处理的过程。另外,由于在现实生活中存在大量的规则曲面,在进行三维重建等过程中对其参数精度具有较高的要求,而采用现有的方法并不能满足实际需要,所以本文主要讨论的是对三维扫描仪获取到的散乱点云数据进行去噪、压缩等预处理以及规则曲面拟合的方法。主要的研究工作有以下四点:(1)建立散乱点间的k邻域关系,利用局部曲面拟合的方法估算各点处的曲率。(2)根据噪声的特点将其分为体外噪声和体内噪声。使用基于统计的k邻域去噪算法来移除体外噪声,该方法先计算各点的邻域平均值,再根据高斯曲线来设置阈值区间,将邻域平均值超出此区间的点视为体外噪声。对于体内噪声,由于它距离主体噪声较近,采用RANSAC与最小二乘相结合的方法来去除。实验证明,得到了较好的去噪效果。(3)为了提高计算速度,尽量去除冗余点,保留特征点,对点云进行压缩。首先根据曲率平均值将点划分为平坦区域和突变区域,分别根据欧氏距离和Hausdorff距离对两种区域中的点进行压缩处理,通过实验验证了该方法的有效性。(4)根据曲率特征对曲面进行划分,完成对曲面的识别。最后,为了克服传统方法在测量精度上的缺陷,提出了一种应用整体最小二乘拟合的方法,应用随机生成的各种规则曲面点云数据与三维扫描仪获取到的规则几何体表面点云数据进行试验,实验数据说明本方法比传统的最小二乘法拟合效果更好。