飞机起落架、汽轮机叶片、高速列车车轮等复杂铸锻件,是航空、船舶、交通等领域的关键件,其形状复杂、成形精度难控制,对其整体形面进行完整的三维测量和精度分析,可为成形工艺优化提供基础的测量数据,对提升复杂零件的成形精度、提高成品率具有至关重要的作用。其中,复杂零件整体形面的三维重建精度,以及重建结果与设计数模的数据配准精度直接决定了最终零件质量检测结果的可靠性与准确性。为此,本文研究了复杂零件的三维重建方法,重建结果与设计数模的粗配准和精配准方法,主要研究工作和创新之处体现在:研究复杂零件的高精度三维重建方法。针对目前工业零件三维重建方法依赖外部辅助进行测量视点空间定位,存在灵活性差和应用范围有限的问题,本文提出一种基于测量数据顺序配准和测量视点全局优化的高精度三维重建方法。通过建立耦合几何一致性约束和曲率一致性约束的深度图像快速配准模型,提高了顺序帧间配准的精度,实现了良好的测量视点初始空间定位。推导了点云配准误差与空间位姿误差之间的相互关系,完成了多视角点云配准问题在位姿图优化框架下的建模,实现了测量视点空间位姿的快速全局优化。实验结果表明本文方法有效的消除了由顺序配准累积误差所造成的数据分层现象,实现了无需外部定位辅助的复杂零件高精度三维重建。研究适用于部分重叠情况下的点云粗配准方法。提出具有空间旋转平移不变性的局部参考坐标系构建方法,根据所构建的局部参考坐标系进行三维局部特征提取,并据此完成待配准点云之间的三维局部特征匹配。针对特征匹配结果中存在误匹配的问题,提出基于几何约束的采样一致性估计算法,通过对匹配结果在各点云中三维点之间的欧氏距离进行约束,完成点云粗配准变换的鲁棒性估计。针对点云粗配准结果正确性检验难的问题,提出全局-局部刚性变换交叉检验方法,通过对来源于整体形状配准的全局刚性变换和来源于局部形状配准的局部刚性变换进行交叉检验,实现对点云粗配准结果正确性的快速准确检验。实验结果表明相比于传统粗配准方法,本文方法配准正确率高,对不同重叠比例,点云噪声、密度变化和体外孤点等外部影响因素的稳定性好。研究无参数化的点云精配准方法。针对当前点云精配准方法需要手动设置算法参数以适应不同配准情况的问题,提出基于自适应距离阈值的由粗到精的迭代最近点(Iterative Closest Point,ICP)算法。通过对ICP粗配准迭代过程中的对应点距离进行统计分析得到自适应距离阈值,解决传统方法需要不断调整算法阈值参数且配准结果容易陷入局部最优的问题;在ICP粗配准结果的基础上对待配准点云数据的重叠比例进行估计,将其作为截断比例阈值用于ICP精配准的误匹配去除中,保证点云精配准的最终精度。实验结果表明,本文所提点云精配准方法无需手动调整设置参数,对于具有不同重叠比例、初始位置关系的多种类型工业零件点云数据具有很好的鲁棒性,且具有配准效率高和精度高的优点。将本文所提算法应用到热锻汽车前桥零件和高速列车车轮零件的在线质量检测中。针对汽车前桥零件和高速列车车轮零件的实际检测需求,在各自生产线上对零件测量数据与设计数模进行了自动粗配准与精配准,并对零件整体型面精度和关键尺寸精度进行分析。从实际应用情况来看,本文所提算法在工业应用场景下取得了较好的效果,能够满足工业零件在线质量检测对配准效率和精度的要求。