随着计算机、三维测量等技术的快速发展与进步,逆向工程技术广泛应用于机械设计制造、模具修复、虚拟现实等诸多领域。在对样件进行三维测量的过程中,由于被测样件本身的损坏或者是受测量设备、测量方式的限制等因素的影响,使得获取的点云数据可能会存在孔洞。点云孔洞的存在将直接影响重建模型的质量,因此有必要对点云数据中的孔洞进行修复。本文针对三维点云数据孔洞修复问题,着重研究利用补拍被测样件在其三维点云数据中存在孔洞区域处的图像与点云数据的融合来修复点云孔洞,主要工作如下:(1)在对被测量物体存在孔洞区域处进行补拍图像时,序列图像成像角度间隔的不同将会影响其所生成图像点云的效果,针对这个问题,提出了一种用于图像序列补拍的方法来确定最佳成像角度间隔范围。该方法采用基于旋转平台的方式来获取图像,确定了补拍图像的最佳成像角度间隔范围后,能够为点云孔洞修复过程中的图像补拍环节提供一种可循方法,提高获取补拍图像的效率以及其所生成图像点云的质量。(2)图像点云的密度与测量点云的密度往往相差较大,不利于二者的配准。针对二者密度不一致的问题,提出了一种序列图像生成点云的密度调控方法。该方法基于运动恢复结构法,首先确定图像点云密度增大减小方向,然后对第一幅图像的二维特征点区域均匀网格划分,通过调控单元格中二维特征点的密度进而达到对三维图像点云密度的控制。对图像点云的密度进行调控之后,能够减小与测量点云的密度差值,利于二者的配准。(3)在对图像点云和测量点云进行配准时,由于点云数据的获取途径不同,两组点云数据往往会存在缩放尺度不一致问题。针对两组点云数据在配准过程中因点云尺度不一致而导致配准精度不高的问题,提出了一种改进的ICP配准方法。该方法在配准过程中引入了尺度参数,通过迭代找到最佳的尺度系数,对点云数据进行降维处理实现点云粗配准,然后使用k-d树算法加速选取对应点实现点云精配准,完成点云孔洞修复。