模具是机械制造过程中的关键性工艺装备,大型复杂模具的磨损或损坏所引起的模具失效会造成巨大的经济损失,对于该类模具的数字化快速修复及再制造可以带来巨大的行业效益。目前,随着光学扫描设备特别是激光扫描仪的技术发展,采集所获得的点云数据越来越密集,对于大型复杂模具扫描后的点云一般都达到了百万级甚至亿级。在现有普通计算机的处理能力下,对大数据量点云的后续建模将会遇到困难,因此,在进行模型重建之前,要对密集的点云数据进行必要的预处理。通过对目前已有的点云预处理算法进行研究,针对采用激光扫描仪所获取的大量密集点云的特点,对点云去噪和点云精简两个主要的预处理手段作了研究,并通过在Windows操作系统下利用Visual C++和OpenGL所搭建的软件平台进行算法效果的实现,对点云数据的预处理效果良好。针对大型复杂模具的散乱点云数据中点的搜索是点云预处理中比较耗时的一项工作,因为点的K邻域是用来计算法线、光顺、去噪等的前提条件。采用八叉树的数据模型对点云数据建立空间数据索引,然后采用一种快速K邻域搜索算法使得K邻域建立时间减少,提高了计算效率。在建立好K邻域关系的基础上对点云采用邻域平均法进行去噪。对于大量密集点云的精简则采用基于离散形状算子的点云精简算法,该算子对于模型的特征变化敏感,既能保持原始模型的特征细节,也能极大的减少冗余数据点,同时所需的计算时间也较少。通过对点云预处理算法的研究,采用性能领先的OpenGL函数库在VisualC++环境下进行软件平台的搭建,在实现交互式图形操作的基础上,通过对所采用算法的验证,在针对大量密集点云的预处理过程中具有良好的应用价值。