三维点云数据处理技术在光探测和测距(Li DAR)、深度学习、计算机视觉、体感游戏、无人驾驶、逆向工程等领域有着非常重要的研究意义。在获取三维点云数据的过程中不可避免的会存在噪声,这些噪声对后续处理有着一定程度的负面影响,所以研究点云数据的降噪技术对于三维点云的处理来说非常重要。传统的点云数据处理技术是基于PC平台,因其体积大、功耗高等缺点,所以不适用于工程应用。多核DSP具备体积小、功耗低、处理速度快等特点,使其更适合于工程应用中。所以研究基于多核DSP的点云数据降噪工作对点云数据处理的小型化、集成化是有着非常重要及其深远的意义。点云数据中噪声情况复杂,本文根据点云中的噪声分布特征将其分为两类:第一类噪声称其为漂移噪声点,其表现形式为明显远离点云主体且漂浮在点云主体附近的噪声点;第二类噪声称其为混合噪声点,其表现形式为与点云主体混合在一起的噪声点。针对点云数据中噪声的特点,本文做了以下研究:首先,针对漂移噪声点,主要采用点云去噪算法将其进行去除。通过算法仿真实验比较了本文提出的非迭代双阈值算法与K-means聚类去噪算法、K-d树改进的K-means聚类去噪算法以及局部密度去噪算法。实验结果表明本文方法的算法执行时间较K-means聚类去噪算法减少了38%,较K-d树改进的K-means聚类去噪算法减少了84%,较局部密度去噪算法减少了18%,并且在加噪40%的噪声环境下去噪精确率达到84%以上。其次,针对混合噪声点,主要采用点云光顺算法对其进行光顺。通过算法仿真实验比较了双边滤波光顺算法以及导向滤波光顺算法。实验结果表明导向滤波在光顺均方误差、信噪比以及算法执行时间上均优于双边滤波光顺算法,算法耗时减少38%以上。然后,本文将提出的点云去噪算法进行了并行处理,并针对导向滤波光顺算法无法并行处理这一问题,提出可以并行处理的非均分导向滤波光顺算法。最后,在多核DSP硬件平台上进行点云降噪。将硬件结果与PC端仿真结果进行了对比分析,论证了并行点云降噪的合理性与有效性。