逆向工程是將現有實物產品利用數據采集設備獲取物體外表面三維信息，再將數據進行處理及分析，最后實現產品的三維信息數字化，重建三維模型，對產品模型進行二次設計、修改及優化。物體三維數據采集設備從采集方式上可以分為兩種類型：接觸式和非接觸式。其中，基于結構光的非接觸式測量是當前及今后優先發展的重點，它具有快速、全面獲取物體三維外形數據且對物體無損傷、對自然環境無污染的優點。但是由于測量環境、人、設備等因素的影響，采集到的點云中往往含有大量的噪聲，難以被直接應用于物體三維模型的重建。為了使點云數據能夠運用到后期的處理過程，滿足曲面擬合及造型設計等對數據高質量的要求，必須先對原始數據進行去噪、光順方面的預處理。逆向工程與三維測量技術的迅速發展也推動了去噪光順研究的進展，國內外許多研究學者在這方面做了深入的研究，如基于局部曲面擬合的MLS方法［1］，基于Scale-Space理論的拉普拉斯方法［2］等。近年來，傳統的網格模型去噪和光順算法得到了長足的發展。其中很多網格模型的去噪和光順算法可以直接擴展到點模型上，比較經典的有Fleishman的雙邊濾波去噪算法［3］。
　　本文針對點云數據所含噪聲以及點云特點進行分析，然后采用不同的算法進行去噪和光順處理。
　　1 去噪光順算法
　　三維測量系統獲取的點云數據中混雜的噪聲大致可以分為3種：（1）體外飛點，偏離實測數據較遠，懸浮在主體點云外圍的孤立、稀疏點；（2）離群成簇噪聲，偏離主體點云較遠，小而密集的噪聲簇；（3）混雜噪點，噪聲點和真實點混雜在一起，該種點云的形態與實體中心點云成分層狀，直觀表現為點云表面很多“粗糙毛刺”。
　　1.1 體外飛點去除算法
　　針對體外飛點無序、散亂的特性，本文采用空間單元柵格法［4］建立點云數據點之間的空間拓撲關系進而搜索每個點的K_近鄰。首先讀入測量數據點，將三維坐標點存入一個一維數組Array［］，同時得到其X、Y、Z坐標的最大、最小值，這樣可以做一個與各個坐標軸平行的大長方體柵格，包圍所有的三維點。根據數據點的密度將長方體柵格劃分為多個小立方體柵格，并判斷每個數據點所在的小立方體柵格，將數據點的序號追加到該立方體柵格對應的線性鏈表中。
?