随着现代工业制造水平的发展,产品零件大量采用不规则复杂曲面,其设计、生产、检测及试验等各环节都需要进行大量的三维实体数字化建模。三维实体数字化建模主要包括点云数据采集、点云数据配准、点云数据融合、点云数据封装及曲面建模等流程。其中,点云数据融合即将采集的多视角、多分辨率点云数据融合为一幅完整的、单层的、光顺的点云模型,从而用于后期的点云数据封装及曲面建模等。本文在深入研究国内外已有点云融合理论与方法的基础上,提出一种新的多分辨率测量点云融合方法。与现有点云融合方法相比,新方法在融合效果及融合精度等方面均有大幅提高。主要的研究内容和成果如下:(1)研究了点云数据预处理技术。建立了基于增量式聚类的杂点(簇)去除算法,实现采集的原始点云数据中背景点及杂点(簇)的快速删除;研究了点云数据包含拓扑结构及未包含拓扑结构两种情形下的点数据法向量估计方法;发展了点数据局部采样密度和采样间隔计算方法。(2)研究了点数据邻域搜索方法,实现了一种点数据圆柱形邻域搜索方法。首先,给出了圆柱形邻域的定义;其次给出了点数据圆柱形邻域的搜索方法;最后采用实测点云数据对圆柱形邻域搜索效率等进行了验证。与传统邻域相比,圆柱形邻域搜索的邻域信息更加完整。(3)研究了点数据的可信度和点数据局部采样密度的关系,揭示了点数据的局部采样密度与其可信度成正相关的规律。由于点数据的局部采样密度可根据其三维坐标很容易计算得到,因此,提出在点云融合中采用点数据的局部采样密度代替点数据的可信度作为权重因子。(4)提出一种新的多分辨率测量点云融合算法。首先,计算出点云数据的局部采样密度,并降低边界点数据的密度;其次,采用低密度点数据消除策略删除重叠区域低质量点数据,并应用移动最小二乘拟合算子将分布于不同层上的重叠点数据漂移至同一层;最后采用增量式聚类算法将同名点数据融合在一起,从而获得完整、单层及光顺的点云模型。在研究上述理论基础上,采用C++和OpenGL开放图形库在Visual Studio平台实现了上述算法,并与已有点云融合方法进行大量的实验对比,实验结果表明新方法在融合效果及融合精度等方面均有提高。