三维激光扫描技术日益成熟,在众多领域得到运用。在逆向工程、文物保护、测绘与地理信息系统、自动驾驶、电影及游戏产业等领域均有三维激光扫描技术的身影,但受激光雷达设备的精度与被测物物体表面的光洁程度等因素的影响,激光点云中存在采样不均,特征丢失以及大量的噪点等问题,因此为了提高后期点云三维建模的精度,需要对点云进行处理,本文针对点云现有问题,对点云滤波,点云简化,特征提取以及点云配准等问题进行研究。本文的研究内容与结果如下:(1)针对点云中存在噪点的问题,本文研究了半径滤波,统计滤波以及双边滤波这三种滤波方法,利用半径滤波能够较好的对离群点监测,首先对点云进行半径滤波,同时利用统计滤波保证点云特征的基础上采用双边滤波的方法来保证点云滤波具有光顺性的特征,保证了点云滤波的有效进行。实验表明,本文点云去噪算法能够有效的剔除点云中的噪点,同时保持点云较好的光顺性。(2)针对点云中存在大量的数据冗余的特点,本文研究了体素网格点云简化,曲率拟合简化的这两种方法。体素网格简化点云拥有较快的计算速度,但对点云特征不能较好的保存,而基于曲率的点云特征提取计算速度较慢的问题。本文提出了利用体素网格对点云分块,利用法向量局部熵来代替计算曲率对体素网格内的点进行分类,根据局部熵的大小来对点云进行简化,能够简化点云的同时保留点云的局部特征。实验表明,本文算法能够快速的简化点云同时也能够保存点云的局部特征。(3)针对点云经典配准算法(近点迭代算法)容易陷入局部最优且迭代速度较慢的问题,本文利用M-估计来进行选权迭代的方法来对剔除点云中误匹配的特征点对,来增加点云特征匹配的点对的正确率,减少点云迭代的次数,提高点云的精度。实验表明,本文算法较传统的近点迭代算法相比提高了点云配准的精度和减少了点云配准的时间。