在MATLAB环境下获取点云数据，并完成数据重构，并根据MATLAB的环境中点云数据特点，对噪点进行分类去噪光顺。研究根据点云数据特征类型，将其分成四类，第一类数据点是偏离真实样件数据点较远的、数量较少的离散稀疏噪点。第二类是偏离真实样件数据点较远的、数量较多的密集噪点。第三类是由于设备原因在真实样件的数据点中穿插的不易处理的噪点。第四类数据点是样件理想状态下的数据点。针对上述问题，研究提出一种结合改进格网阀值法和三维双边滤波方法的点云数据去噪及光顺算法。这样处理的优点在于不仅可以解决原始三维点云数据中包含的孤立点云，还能避免产生过光顺的问题。

去噪和光顺的区别：在三维点云数据处理当中，去噪、光顺、滤波、平滑等词语是许多文献常用来表达数据处理，但他们互相却存在相近或相反的意思。去噪同滤波一样，都是通过滤波算法删除不符合要求的跳点，即该算法只删除数据点，不产生新数据点，也不移动数据点的位置；平滑和光顺一样，是通过算法将原有的数据点移动到其他位置，使后续拟合的曲面更加的光顺和平滑，即光顺仅仅移动的点的坐标。

对大型复杂锻造件进行数据处理实验，证明该方法与传统的单一形式去噪方法相比，不但高效去除点云数据的噪声点、完成数据光顺，同时还保留了样件的基本特征。

第一类噪点为悬浮在样件数据上空，并散乱稀疏的分布在点云数据的四周，如图所示。同时第一类噪点也是很明显的错误点，必须在光顺前去除，否者光顺后拟合将导致曲面扭曲。研究采用改进格网阀值法，通过划分网格，求其数据点的数量与预先设定的阀值对比，如果数量小于预定阀值数量，则将该网格内的所有点从原始数据点中删除。这样做的目的是删除第一类噪点，也叫孤点。

在第一类划分网格的基础上，按顺序搜索点云数据中小立方体是否有数据点，如果有数据点个数不为零，则以此立方体为中心，搜索周围立方体中包含数据点的立方体。如果存在这样立方体再依次以周围立方体为中心，搜索其周围立方体，直到所有立方体被查看完。找出属于同一相邻立方体并存在数据点的点云，通过对比不同点云的数据点个数，保留最多的点云，剔除距离大片点云较远的密集点云，即第二类噪点。

尽管经过上述两个算法基本将噪点已经去除，但还有些噪点隐藏在点云数据中，不能再通过去噪的方法来去除，而是通过光顺的算法将个别噪点移动到相近的数据平面上，使拟合后的表面更加的平滑。光顺的方法有很多种，但都有利弊，诸如：二次laplace法、点云数据平面拟合方法、Mean-Shift点云滤波、平均曲率法、局部曲率逼近法等等。对于三维激光扫描中数据处理技术的研究相关文献都给予充分的方法说明，而对机械相关领域，尤其是在测量大型复杂锻铸件领域，在此仅对各类方法进行可行性分析，不做详细说明。