随着三维测量技术与计算机技术的日益发展,使用自动化装置搭载三维测量设备对工业零件进行三维建模,再与CAD模型进行分析比较,完成对工业零件的自动化三维检测,已经成为工业检测行业的趋势。然而三维测量设备获取的数据一般都是由表征工件表面的三维点坐标组成的点云数据,且由于现场检测环境等因素的影响,需要对点云数据进行处理,一般包括点云预处理、测量点云与CAD模型配准以及曲面重建等步骤。点云预处理步骤主要为了剔除冗余数据提高处理效率,减少受不良因素影响获取到的失真数据或无关数据,以及为点云数据添加辅助信息。现有点云预处理算法虽然能够获得较好的处理结果,但通常需要人为给定参数或者耗时较长,难以达到自动化检测的目的和效率要求。为了将测量点云与CAD模型进行对齐方便后续对比分析,通常使用ICP算法进行处理,但由于测量过程中获取到的无关数据难以通过点云预处理完全剔除,导致本质上是最小二乘方法的ICP算法结果不稳定。曲面重建过程则是为了将点云数据转化成实体模型更好地对工件表面进行表达,但现有算法通常无法满足工业检测的效率要求。因此,虽然点云数据处理技术已经在各个方面都有了广泛应用,但对于工业自动化三维检测而言还需要进一步的研究。本文在前人的研究基础上,对工业自动化三维检测中点云数据处理关键技术进行了深入研究,完成了相应的点云数据处理环节,保障了三维检测的精度和效率。本论文中主要完成的工作有:(1)通过引入点云分辨率改进栅格采样算法实现点云精简过程,自适应为测量点云指定栅格大小,无需人为指定参数;(2)利用测量点云自身性质,提出了一种基于统计方差距离的孤立点去除算法,能快速有效地去除测量点云中的孤立点;(3)针对点云预处理过程中难以去除的无关数据,提出了一种基于自适应阈值的改进ICP算法,可以有效地剔除无关数据的干扰,完成测量点云与CAD模型的精确配准过程;(4)实现了一种基于约束Voronoi图的曲面重建算法,该方法既能保证重建结果正确表示工件表面形貌,又可以实现局部并行提高曲面重建效率。通过实际工程项目的验证,本文中提出、实现的各种算法,能够快速有效地完成工业自动化三维检测中的点云数据处理环节。