随着精密加工的逐步发展,传统的测量方法已经无法满足实际测量的需求,往往需要借助于非接触等方式快速获取机械零件稠密点云。但是庞大的三维点云数据量对于计算机的存储和处理来说很困难;另外,测量设备获得的三维模型点云数据受到各种因素的影响,含有大量的噪声点。因此,需要对所获取的三维点云数据进行精简和去噪等预处理。同时通过获取物体表面的三维点云数据,基于点云数据的拟合手段来分析机械零件表面的尺寸参数也是机械零件的三维测量的迫切需求。首先,针对庞大的三维点云数据存储问题,在已有点云数据精简算法的基础上,提出一种基于kd树结构的等距离均匀精简算法;为了适应点云的特征保留,在该算法的基础上,实现了一种能够很好保持点云特征的算法;实验表明,本文的点云精简算法能够快速有效的对点云数据精简,能够满足实际的需求。其次,本文根据点云噪声的不同属性进行分类,分别对各类点云噪声进行处理。并提出一种基于随机采样一致性原理的去噪方法,通过对所需模型点云的识别而达到去除点云噪声的目的。经实验分析,本文算法可以有效的对点云中存在的点云噪声进行处理。最后,针对传统接触式参数测量方法已经无法满足实际测量的情况,在非接触等方式获取到的三维点云数据的基础上,对规则曲面的拟合进行了研究。并针对现有圆锥拟合计算方法不稳定等缺点进行了改进,提出一种基于点法矢的圆锥拟合方法,通过实验验证了算法的可行性和鲁棒性。