复杂异形曲面是一类形状非结构化、曲率突变且边缘检测较难的曲面。航空发动机涡轮叶片作为航空发动机的关键组成部分,是一类典型的复杂异形曲面工件,其三维点云处理是三维测量的关键步骤,直接影响着后续加工、打磨精度。本文针对航空发动机叶片等复杂异形曲面工件的精密测量过程中的点云预处理、分割、平滑与重建等算法开展研究,解决了其测量加工过程中精度低、实时性差、鲁棒性不强等问题。本文主要研究内容如下:1)面向高端智能制造自动化生产线测量需求,搭建了复杂异形曲面工件三维测量平台,设计软件模块与加工流程。其中,平台包括高精度定位子系统、测量子系统和多机器人协作子系统,软件模块主要包括软件层、功能层和应用层,加工流程包括工件上料、点云获取、降采样与滤波、点云分割、平滑与重建、打磨加工等步骤。2)研究复杂异形曲面工件的点云预处理算法。针对由设备固有缺陷、运动物体及背景点干扰引起的大规模离群噪声点,提出一种基于体素生长的滤波算法,有效滤除背景点和离群点,保证后续分割与重建的精确性。进一步研究体素栅格化的下采样算法,大幅减小了叶片点云的数据量,提高了三维视觉测量的效率。3)提出了一种基于奇异值分解与子聚类合并的点云分割方法,解决了异形曲面工件难分割、误分割的难点。通过建立基于局部平面度和法向量偏差最小值的成对连接,确定子聚类的种子,然后利用曲率偏差和包围盒相邻准则合并聚类子曲面。经过与RANSAC、边界提取和区域生长算法的仿真和实际实验对比,验证本文算法在保留叶片有效点的同时,能最大程度地滤除噪声点和离群点,提高了叶片点云的分割精确性和效率,且具有较好的鲁棒性,能有效应用于复杂异形曲面工件的精密测量加工,为后续的测量、加工提供了良好的数据支撑。4)提出基于移动最小二乘（MLS）的点云平滑算法,该方法包括曲面拟合、重采样等步骤,解决叶片表面的孔洞和不平滑问题;提出了一种改进的快速Delaunay三角剖分算法,基于边缘进行前进生长构建三角网格,避免利用常规Voronoi图重建引起的效率较低的问题,同时建立数据集分区,完成叶片点云的快速重建。通过平滑前后的仿真与实际叶片重建效果对比,以及不同输入点云运算时间对比,验证了平滑与重建算法的有效性和快速性。