随着科学技术的不断发展,反求工程技术已逐渐成为进行产品开发和创新最普遍的方法,并发展成为计算机辅助设计中一个较为独立的分支。测量数据预处理技术是反求工程中必不可少的环节之一,其中点云数据的拼合与精简是数据预处理技术的两个重要方面,其处理的质量好坏对后续的模型重构有决定性的影响,具有非常重要的研究意义。本文对反求工程中测量数据的拼合与精简技术进行了深入的研究,研究内容主要有下面几个部分:　　 1、对采集到的多视数据首先进行拼合处理,传统的ICP拼合算法易陷入迭代局部极值,因此本文提出一种改进的ICP精拼合算法。测量数据首先经过粗拼合处理,大致对齐到同一坐标系,并对其重合部分进行B样条曲面拟合,通过插补出的点来确定初始对应点集;提出利用约束点对和曲率约束相结合的方法来剔除不可靠点对,这种方法将刚体运动相同性和型面特征不变性结合起来,有效地减小了对应点集的误差率;利用最小二乘法对确定的最终点集进行变换矩阵的求解。　　 2、经过拼合的点云还需要进行精简处理,为了保证精简处理时不会丢失关键的点云工程信息,本文提出一种基于模糊聚类的点云精简算法。以几何约束相似度来反映测量零件表面形状的变化,使精简后的点云在形状变化剧烈的区域得到足够多的保留;同时利用强制约束相似度来反映工程师的设计目的和要求,减少精简时点云设计信息和工程信息的丢失。　　 3、根据上述理论研究内容,在Windows 7环境下利用Visual C++6.0结合OpenGL图形库函数进行了原型系统的开发。　　 实例验证表明,本文提出的点云精拼合算法与传统方法相比能极大地减小对应点集的误差率,有效地提高了点云拼合的精度;点云精简方面,利用本文提出的模糊聚类精简算法简化的点云不仅可以真实反映被测件表面形状信息,而且避免了简化过程中点云工程信息的丢失,使设计者的设计意图得到了最大化地保留。