三维光学扫描仪在数字化设计中发挥着重要的作用,随着三维光学扫描仪的普及应用,扫描测量数据的处理越来越重要。点云数据光顺和精简是扫描测量数据处理的重要环节,近年来一直是离散数据逆向重构的研究热点和难点。本文分析了三维扫描测量数据中包含的各种误差,其中包括半导体激光器、CCD摄像机、图像采集卡、计算机主板等电子元器件的热噪声和机台振动引起的随机误差,也包括激光线宽度、CCD分辨率、图像采集卡分辨率、机台装配精度以及被测量物体表面粗糙度、颜色、纹理、材质等因素引起的误差。文中总结了国内外有关点云数据光顺和精简的研究现状,在此基础上重点研究基于曲率特征信息的点云数据光顺和精简方法。论文以微分几何曲率计算公式为理论基础,系统地介绍了已有的离散点云曲率的估算方法,对常用的Nira Dyn离散点云曲率估算方法和Mark Mayer离散点云曲率估算方法进行了详细的研究,对比分析了两种算法应用于球面、柱面、抛物面、马鞍面的曲率计算结果,提出基于Voronoi区域面积的改进Mark Mayer算法,将该算法应用于球面、柱面、抛物面、马鞍面,计算结果表明该算法提高了离散点云曲率估算的精度和稳定性。将改进的Mark Mayer离散点云曲率估算方法应用于实际扫描测量数据的曲率计算,分析了噪声点、凹坑、凸包、平坦区域数据点以及边缘轮廓点的曲率特征分布以及高度信息和法矢信息,总结了高度、法矢、曲率对物体形状的影响,设计了基于曲率特征信息的点云数据光顺算法,将该算法应用于实例数据的光顺处理,结果表明该算法能够较好地识别出边缘轮廓、形状细节特征,达到了在保持形状特征的前提下去除噪声的目的,点云数据光顺处理前后的曲率特征的统计结果表明,噪声数据引起的曲率突变得到有效抑制,除边缘轮廓之外,点云数据的曲率过渡平滑,不仅提高了物体表面的质量,而且有利于后续加工。利用改进的Mark Mayer离散点云曲率估算方法计算实际扫描测量数据各个点的平均曲率,对数据点的平均曲率进行排序和统计分析,设计了基于曲率特征信息的点云数据精简算法,该算法能够根据精简点数的要求,计算点云分布密度,优先精简曲率小的平坦区域上的数据点,很好地保留了边缘轮廓点,在精简数据的同时,尽量减少了对轮廓细节的影响。本文研究工作是在实验室自主开发的三维激光扫描测量软件的基础上进行的,针对扫描测量数据处理的去噪和精简两个环节进行了深入的研究,在离散点云曲率估算以及基于曲率特征信息进行点云数据光顺和精简两个方面取得了一些进展,增强了扫描测量软件的后续数据处理功能。