随着计算机技术和测量技术的快速发展，三维点云数据在逆向工程、工业检测、文物保护等领域中的应用越来越广泛。但由于设备本身的测量误差、测量范围以及周围环境等的影响，获取的初始点云数据往往面临着许多问题，因此需要对其进行孤立点检测、数据平滑、多视拼接等相关的后续处理。论文的主要工作和研究内容有：1.在平均邻域算法的基础上实现了孤立点自动检测算法，该算法采用邻域距离偏差作为判断对象，使得孤立点检测算法对参数设置的敏感度大大降低，提高了稳定性。实验表明该算法能够有效的去除大量离散的以及紧挨边界的孤立点，且能够保留模型的边界信息，检测效果比较理想。2.利用移动最小二乘法在曲面拟合方面的优势，本文实现了一种基于移动最小二乘法的点云数据平滑算法，该算法实现的关键就是选择合适的基函数和权函数。实验表明该算法对含有大量噪声点的三维点云数据具有很好的平滑作用，效果良好，且能最大程度的保留模型的基本特征。3.实现了一种点云数据自动拼接技术。粗拼接中，在实现标志点自动匹配基础上提出了一种基于RANSAC思想的误匹配标志点校正方法，该方法首先根据选定好的目标模型和相关评判准则，将所有的匹配标志点分为内点和外点，利用内点计算出当前最佳目标模型参数，经过一定次数的随机采样后计算出最终的最佳目标模型参数，从而有效的去除点云数据自动拼合过程中出现的误匹配标志点。模拟实验和拼接实例表明该方法是可行的，能有效地提高点云数据自动拼合的稳定性；精确拼接中，采用了目前常用的迭代最近点算法，并将该算法分为计算最近点形成初始匹配点集、去除误匹配点、坐标转换矩阵求解、点云坐标转换、重复迭代五个步骤。实验证明该算法能对全局进行优化，有效地提高了点云数据拼接的精度。