随着“数字化”概念的提出,近年来,二维和三维、真实和虚拟的环境集成能力越来越被人们所看重。三维激光扫描因为其数据采样率高、非接触测量、抗干扰性强、精度高等特点,已逐渐被应用在各个领域中。如今对三维激光扫描技术的研究日趋成熟,然而对点云数据的处理技术仍有待提高,特别是在点云配准、点云去噪以及点云精简等预处理过程中,仍然存在处理效果不佳、处理效率低下等问题。随着各行各业对于点云数据处理精度以及处理效率要求的不断提高,就需要对点云数据处理技术进行更深层次的研究。通过三维激光扫描仪获取的点云数据通常为没有任何空间拓扑信息的散乱点,在对点云数据进行处理之前,需要通过求得点云数据的局部邻域对其进行空间拓扑结构的构建,因此,求取点云数据的局部邻域对于后续的处理至关重要。本文根据现有的点云数据局部邻域搜索算法的优势与不足,对于在局部邻域搜索中搜索范围无法确定以及可能会遇到搜索死循环等问题进行研究并予以解决。除此以外,对于点云分类过程中,不同类型的点云数据需要运用不同分类方法的问题,本文将高斯映射引入到点云数据的分类过程中,力求找到一种具有较强适用性的点云数据分类算法。对于以上提出的问题,本文的主要工作和成果如下:(1)对现有的点云数据局部邻域搜索算法进行研究并分析其优缺点,针对发现的具体问题进行深入研究并提出解决方案,利用C++语言对解决方案予以实现并通过实验比较验证,对实验进行分析后得出改进后的算法对于邻域搜索范围有了明确的扩大规则,并且在搜索中避免了死循环的发生,相对于现有算法来说,改进后算法的效率也得到了较大的提升。(2)对求取点云数据法向量、点云数据的高斯映射以及DBSCAN聚类算法进行具体的研究并对其进行实现。(3)选取内江市云霞古刹的部分点云数据进行实验,首先对获取的点云数据求解法向量,并对其进行高斯映射,通过DBSCAN算法对高斯球上的数据进行聚类分析,最后将聚类结果反映到原始点云数据中,由此完成对点云数据的分类并取得了较理想的成果。