相随于国际而言，国内的市场对3D激光扫描技术的研究及应用比较晚，但随着3D激光扫描技术的广泛使用。以及国家的大力扶持下，我国也开始大力推进3D扫描技术的相关研究，包括数据处理中的优化、仪器硬件的提升等等。目前对机载三维激光扫描技术的研究在测绘勘探领域和文物修复研究相对成熟，但是对手持式或台式三维激光扫描系统在机械、汽车等工业等领域的研究相对比较匮乏。

目前国内对3D激光扫描技术在去噪、光顺方面的相关研究主要还是集中在高校研究所和科研单位，例如北京交通大学刘辉等人将最小二乘法用于轮廓内的连续错误噪点的数据滤波，提出一种对双向去噪方法。西安交通大学王丽辉等人将鲁棒的模糊C均值算法用于去除大噪点，提出一种鲁棒算法和点云双边滤波结合去噪方法。梁新合等人将数据光顺后的结果作为数据处理补偿量，在此基础上提出一种补偿滤波算法。西安建筑科技大学宋阳等人引入模糊聚类权重因子，提出一种改进C均值算法去除大尺寸噪点。通过分析发现几乎每一种算法都有一定的局限性，有待进一步的改进。

点云数据处理技术的目的主要是将噪声点去除、采样点光顺，也是三维曲面重构的基础。因为零部件的外形尺寸是通过3D扫描仪来获取的，不可避免的会引入外来数据点，尤其是附近的曲面片偏离原始曲面。同时，由于零部件的外形和扫描方法的限制，导致在数据扫描时常会产生部分测量缺口和盲区，给零部件的后续的造型带来影响。根据以往统计结果表明，在扫描后获取的点云数据中，大约有0.1％~5％的噪点需要被剔除，而这些数据点云中混入的噪声大致可以分3类

（1）由于被测物体表面因素产生的误差所引起的噪声。如复杂锻铸件表面粗糙度、表面的缺失，制造金属的材质和表面波纹等。
（2）由于扫描仪本身的误差所引起的噪声。例如三维激光扫描仪的精度、CCD传感器的分辨率、激光散斑、分辨率和热噪声等因素引起的噪声。
（3）突发因素引起的噪声。例如在扫描的过程中因为某些偶然因素将原来不属于物体的数据扫描到物体的点云数据中。

由于被测工件的三维测量数据十分的庞大，若不进行数据滤波处理以滤除冗余点云，这些散乱的噪点数据将对特征点的精度提取和后期的模型的重建质量产生直接影响。其结果将直接导致后期的重构曲面片不光滑以及降低模型的精度。为降低或消除噪声点对后续建模质量的影响，有必要对原始扫描数据点云进行处理，以此去掉夹杂的“跳点”和“坏点”。

数据处理主要包括数据缩减、坐标转换、数据滤波、数据分割和曲面拟合五部分。其中，数据缩减是为了提高数据处理效率，减少数据运算量。数据缩减常用的压缩算法包括：包围盒法、均匀网格法等等。坐标转换主要是把仪器坐标系下的点云数据点转化到全局坐标系统。比较常见的坐标转换方法包括ICP配准算法、七参数配准算法等。数据滤波主要是减少点数据或工件的噪声点。数据的分割是将坐标转换后的点云的数据划分成不同的点云子集，由此每个的点云子集只能代表同一类的曲面形式。目前常见的分割方法一种是基于边缘的方法，另一种是区域生长算法。