为了满足航空、航海与汽车等领域中装备日趋复杂的性能要求,相关零件的形貌也更加复杂多变,因此对该类零件的加工方式与检测准确性也提出了更高要求。配准技术作为数字化制造检测中的基础,为零件设计与制造的准确性提供了技术保障。鉴于此,本文以提高复杂曲面零件检测结果准确性为目的,对质量检测过程中的三维重建、测量点云和设计模型之间的粗配准及精配准等技术进行详细研究。在复杂曲面零件三维重建方面,针对现有启发式方法寻优维度较高和对约束范围有较高依赖性的问题,本文提出一种基于旋转变量全局寻优的扫描点云配准技术。通过引入拉伊达准则,建立以法向量为索引的目标函数,然后在平移关系稳健性估计的基础上,借助改进花授粉算法在旋转空间内全局寻优,实现相邻帧扫描点云的配准。与传统确定性和启发式方法相比,具有更高的重建精度和广泛的应用范围。在复杂曲面零件粗配准方面,针对采样点云与设计模型初始位置关系复杂且未知等问题,提出一种基于模型中轴面点云密度聚类中心的粗配准方法。根据模型的形貌特点,运用球收缩方法实现模型中轴面点云的提取,并利用均值漂移方法快速提取中轴面点云的聚类中心,作为粗配准的关键点。在内切圆半径的约束前提下,首次提出基于矢量化四面体的关键点配对方法,抑制模型对称因素对于配准结果的影响。最终依据四面体的投票原则,实现采样点云与设计模型之间的对齐。在复杂曲面零件精配准方面,针对传统概率模型精配准方法存在着效率较低和可收敛范围有限等问题,提出一种基于点云双向距离的概率模型精配准方法。为了兼顾配准方法的效率和精度,引入改进快速高斯变换,并且修正高斯变换中拓展点位置。随后根据目标函数与旋转角度的偏微分关系,建立关于轴角坐标系的自适应判断,提升其对于初始位置的稳健性。最后针对噪声和异常点等外界干扰进行实验,结果表明该方法在保持稳健性的基础上,具有更高的效率。在复杂曲面零件精配准中,针对传统概率模型精配准方法主要使用局部寻优方法实现不同坐标系中模型的对齐,导致其对于初始位置仍具有敏感性等问题。利用花授粉算法对目前主流的概率模型配准目标函数进行全局寻优。最后针对模型重合率、点云噪声和分辨率方面进行对比分析,结果表明基于点云一致性漂移目标函数的花授粉算法具有较好的配准精度和稳健性。最后,结合上述研究方法,分别以实际加工的自由曲面和变速箱凸轮轴承座检测为例,实验结果验证了本文所提方法能够有效提高零件质量评定的准确度。