复杂曲面零件在机械领域有着广泛的应用,其设计、加工以及检测涉及多方面的高精尖技术。尤其是航空航天、造船、汽车等领域,对复杂曲面零件的加工精度和效率有着更为严格的要求。当前,NURBS方法能解决曲面零件的设计问题,多自由度数控机床以及快速成型技术能完成复杂零件的加工,同时效率成倍增加。但是,由于曲面零件存在易变形、几何特征复杂等问题,因此对其加工质量的检测得到了人们越来越多的关注。近年来,随着计算机视觉和模式识别技术的不断发展,非接触式检测方法在该领域的应用越来越多。尤其是三维匹配检测技术作为数字化制造领域的重要内容,为复杂曲面零件的设计和制造提供了强大的支持。本文以提高复杂曲面零件的检测精度和效率为目的,分别对匹配检测过程中的模型精简、点云描述、粗匹配以及精匹配进行了详细分析,主要研究工作如下。首先,针对原始扫描模型数据规模庞大且冗余点较多的问题,提出一种基于定向Hausdorff距离的混合点云精简算法。算法第一步基于各点的曲率值对点云进行特征粗分类,并利用聚类方法实现特征点的二次细分。第二步,基于定向Hausdorff距离技术采用区域增长方法实现精简过程中模型边界点的有效保留。结合以上两种策略,所提方法能够在减小扫描模型规模的基础上有效保留点云的特征和边界点,从而使得精简模型可以最大程度地反应测量模型真实的三维信息,该方法能够在满足精度要求的同时保证模型的简度。其次,针对三维坐标数值不足以对模型各点细节进行有效描述的问题,提出一种基于电场性质的高维矢量描述器。考虑到三维点云与电子云的多种相似属性,把模型点云类比为一片达到静电平衡状态的电子云。利用静电场中的电场力、电场强度、电势能以及电荷密度等属性作为点特征描述子,对各点进行高维描述。此描述器能够更加具体、详细及全面地反应各点的内在属性,从而为后续匹配操作提供更加精确的对应关系。此外,通过特征阈值的设定可以对点的特定属性进行提取,实现模型特征点的有效检索,为后续高精度的匹配提供保障。再次,针对两片重合度较低的点云存在匹配困难的问题,提出一种基于局部坐标系的点云粗匹配方法。基于待查询点和其邻域点集的关系,利用特征值分解法构建局部坐标系,并基于随机采样一致性算法求解空间转换矩阵。该方法计算简单不需要反复的迭代操作,即可为后续的精匹配提供较好的初始解,从而加速整个匹配的计算过程。此外,通过引入两个分别与分辨率和距离相关的权重系数,该粗匹配方法具有较强的鲁棒性,能够为两个重合度较低的模型提供较好的匹配结果。该方法尤其适用于从多角度获得的不同点云模型的匹配操作,从而完成模型的三维重构。接着,针对现有精匹配算法对点云的初始位置和异常点的影响比较敏感的问题,提出一种基于改进果蝇算法的点云精匹配算法。该方法从点云匹配问题的本质出发,在算法的编码、初始化方法、匹配优化策略的分析以及个体寻优能力的优化等方面做了具体的分析和介绍,设计了一种具有较强全局搜索能力的精匹配算法。接着,利用标准数据和带噪声数据分别对多种复杂初始位置模型进行了仿真匹配实验,实验结果验证了所设计方法计算精度高、鲁棒性好,能够克服现有精匹配方法的缺点。最后,结合以上研究方法,分别以实际生产中航空发动机叶片和汽车发动机曲轴检测为例,在检测精度、效率、通用性等方面与其他算法进行了对比。实验结果验证了所提方法在机械加工应用中的有效性。本文所提方法能够有效降低生产成本、缩短加工时间。