工业CT（Computed Tomography）机发明后，一直得到长足的发展，尤其在制造业的应用日趋重要。在工业制造领域，如汽车的核心部件发动机、铁路火车的零部件等在生产制造过程中由于受到人为因素或者环境条件的干扰，导致生产出的产品与设计图纸有一定的偏差。这种制造误差可能导致工件的使用效率降低，达不到预期的目标。然而如何准确寻找这种制造误差是一项具有挑战的任务。　　工业CT技术可以对制造出来的工件进行高精度的数字化呈现。因此可以通过工件的CT数字图像和其设计图纸的配准找到比对误差作为制造误差的一个参考。在整个配准过程中，有数据获取部分和配准部分，而配准部分的主要步骤分为粗配准和精配准。顾名思义，粗配准的作用是使得两个三维数据在不同的空间位置下通过旋转和平移能够基本正确的融合在一起，从而作为精配准的初始状态。在完成粗配准后，精配准的过程是通过每次迭代作微小的变动使两个三维数据达到理论上最佳的匹配状态。最终根据配准的结果计算误差，通过三维误差显示可以直观的表现出实际工件与设计图纸的匹配情况。　　本文在已有的科研成果基础上，做了以下几方面的改进研究。首先，在粗配准方面，通过研究人机交互并运用SVD（Singular Value Decomposition）方法得到旋转矩阵进而完成粗配准。该方法只需在两个模型的表面通过人工选取对应点就可以方便的完成粗配准，并且避免了包围盒粗配准方法对于规则的工件（如圆柱状的工件）出现错误匹配的情况。其次，研究了三维 CV（Chan-Vese）模型结合MC（Marching Cubes）方法用来提取工件的亚像素边缘坐标，以提高配准的精度，减小配准后的计算误差。三维CV方法是基于偏微分方程的主动轮廓模型，它能够很好的抑制噪声，并且边缘分割结果是单像素的，边缘定位的精度是亚像素级别的。MC方法是一种根据三维数据的灰度信息通过插值得到亚像素坐标的三维等值面显示方法。本文先用CV方法对工件的三维CT图像进行分割，然后对CV模型的水平集函数用 MC方法提取零水平集，同时得到亚像素边缘的坐标。在精配准步骤，用亚像素边缘坐标代替阈值分割得到的边缘坐标进行配准，可以得到更好的匹配结果。最后，加入了人机交互选择参考面和人机交互拟合圆周和圆柱轴线的功能，这样就可以进行参考面配准以及计算圆柱孔的轴线误差。由于工业零件往往具有许多规则的形状如圆柱形，球形等，而设计师关注的往往是这些规则部位是否存在制造误差。因此，这样可以使配准后的误差信息更加的具有工程实际意义。　　本文的研究工作可以分为多个模块，且模块间独立性比较高，因此均集成在一个MFC（Microsoft Foundation Classes）应用框架程序中。受益于该框架，使得人机交互操作变得更加方便和高效。本文的成果已应用于实际工业CT产品研发。