逆向工程中，数据的采集和处理占有至关重要的地位，三坐标测量机作为高精密测量仪器，是其主要的数字化设备。在接触式测量中，测量所得数据为测头球心点的坐标而不是工件表面坐标，需要进行测头半径补偿。目前，测头半径补偿技术或多或少的都存在一些局限性，本文针对接触式扫描测头测量所得散乱数据点云，基于SOFM自组织特征映射神经网络构建了一种自适应性强、精度高、效率高的补偿算法。本文构建了基于SOFM神经网络的测头半径补偿算法模型，利用其将整个曲面测量所得的散乱点数据分成许多子区域，子区域的分类核心即为神经元连接权矢量，连接权矢量集作为对散乱点集的工程近似化并重构曲面样本点的内在拓扑关系，实现曲面密集三维散乱点数据的自组织压缩。网络神经元权重矢量按六边形阵列侧抑制邻区训练调整，可生成测量点集压缩后的拓扑三角网格。寻找三角网格中小三角片组成的六边形结构的规律，由六个小三角形来确定六边形中心顶点的法矢。同时边缘点在组成六边形时，欠缺的点可从神经元感受野中寻得，完成三角网格法矢的求解。最后根据网格顶点法矢与测头半径值便可得到网格顶点偏移点，即实现了接触式密集数据采集的测头半径三维补偿。同时，本文在三角网格形成和法矢求解之后，拟定了三种测头半径补偿方案，并一一进行了对比分析。由于实际测量存在不可避免的误差影响，用于算法验证的对比性差。本文应用MATLAB软件分别构建了球面、椭球面、一般复杂曲面、双三次B样条曲面四个复杂程度由低到高的曲面模型，进行仿真模拟试验。经过多次的试验对比分析，本文测头半径补偿方案Ⅰ的误差补偿精度可达到微米级，方案Ⅱ和方案Ⅲ补偿精度均可达到亚微米级，但方案Ⅱ稍显不稳定。测头半径补偿方案Ⅲ无论是稳定性还是补偿精度均非常理想，完全能够满足工程需要，本文初步构建了测头半径补偿的软件模块，以期能够应用到三坐标测量机数据处理软件中。