随着三维点云数据采集技术的不断发展,实体表面的数字化变得简单,同时精度更高。但是无论采用什么样的数据采集方法都会受到人为、环境等因素的影响,不可避免的存在测量误差,这些误差的存在将直接影响到三维重构模型的质量。同时随着测量精度的提高,采集到的物体表面数据点的数量十分的庞大,影响三维重构的效率。本文主要研究逆向工程中三维散乱点云数据处理技术,主要研究内容如下:在栅格空间划分的基础上,以给定的栅格边长对包围盒内数据点进行第一次空间划分,计算出划分后“黑体”占有率。在第一次栅格划分的基础上,综合考虑点云总数、点云的分布情况以及黑体“黑体”占有率,并定义了有效黑体,使得对于不同特征的点云数据其栅格边长的划分更加合理,加快K近邻搜索的速度。点云数据中的离群点和噪声点影响三维点云数据重构的质量,对这些噪声滤除同时保持物体表面的几何特征,提出了一种基于法矢修正的点云数据去噪平滑算法。采用数理统计方法滤除点云数据中的离群点,对于噪声点通过加权协方差矩阵估算初始法向量和曲率,将具有相似几何特征的点限制在法向量相似的区域,进而在三边滤波因子修正法矢的基础上,三边平滑降噪点的位置。该算法不仅能够对大的噪声信号有较好的滤除效果,对小噪声平滑的同时保持点云数据模型的尖锐及边缘特征。对常用的数据精简算法进行分析,提出了一种将曲率和法向量结合的数据精简算法,综合考虑曲率和法向量方向两个因素,避免了点云数据的过度精简。