三维激光扫描技术在测量精度、测量速度和操作性等方面依靠着激光的高亮度、单色性、相干性和方向性等特性有着巨大的优点，可以说是继GPS定位之后的又一项上世纪九十年代中期的高新测绘技术。早期的第一代激光测距技术还仅限于点激光扫描测量，虽然精度较高，但扫描速度慢。但随着科学技术的进步，特别是激光、半导体、计算机等技术的飞跃式发展，第一代点测量扫描已经不能满足人类的需求；以三维台式激光扫描仪为代表的第二代线测量扫描技术应运而生，有效的激光线照射工件表面，在经过传感器得到工件表面的三维数据信息，它不需要接触被测工件就能直接捕捉工件表面采样点的三维坐标信息和反射率；以拍照式三维扫描仪和光栅式扫描仪为代表的第三代面测量扫描仪器，通过一组光栅的位移，再经过多组传感器来收集到工件表面的三维数据信息。

目前，有很多公司和机构研究三维激光扫描仪的研发和数据处理，领先的有瑞士、奥地利、加拿大、美国等。其生产的仪器在数据的采样率、最小点的间距、激光的波长、激光的等级、模型化点定位的精度、测距的精度、测距的范围、激光点的大小和扫描的角度等指标方面各有千秋。尤其在选购三维激光扫描仪时，应当根据要求精度、仪器成本、应用领域等诸多因素综合考虑。

在软件应用方面，各类计算机辅助设计软件相继推出3D功能，3D DIS系统一直是研究设计仿真领域的热点。北美最先进的数字化城市建设平台已经成功的将费城推广到个人PC和手机等设备当中。其数据采集有机载三维激光扫描仪和地面三维激光扫描仪交互完成，并应用拼接技术完成点云数据的坐标统一，具有城市模型逼真度高、数据信息完整、实时交互性强等特点。

点云数据处理技术是三维激光扫描技术实现的核心技术，其数据滤波算法、点云网格化算法和多视点云拼接技术相对来说研究起步较早。Huang在The Pre-Processing of Date Points for Curve Fitting in Reverse Engineering中提出一种新方法，将点云数据反复带入隐式方程或显示方程y=f(x)两次，再进行数据处理，即认为数据是平滑的。这种方法原理比较简单，但如何选择一个合适的方程，文献并没有说明。

Zhixin Yang在A Systemic Point-cloud De-noising and Smoothing Method for 3D Shape Reuse一文介绍了一种系统的点云去噪和网格平滑处理方法。该模型的去噪和光顺是基于k-means聚类，网格平滑模块是一种改进处理离散数据的平均方法秩序，但网格平滑处理方法无法确保聚类效果和质量。

散乱点云的数据处理主要思路大体有两种：一种是将原始散乱点云转成格网模型，通过格网模型的滤波方法再进行滤波处理；另一种方法就是直接对原始点云数据进行滤波处理。事实上许多方法都是在去除噪声和保持数据特征这对相对矛盾的关系中找到一种最佳的平衡。例如Laplace滤波和二次laplace滤波法虽然能够有效的平滑点云的模型，但不能有效的保持点云的特征，会造成边缘的失真。平均曲率法则是主要依赖于工件的曲率估计，对于处理噪点较多时，则效果不明显。

除上述的方法外，针对噪声的数据信息点云通常是无规律地分布，且难以用单一的数学的模型来区分上述问题。针对上述问题提出一种新的方法，将基于密度聚类算法运用到三维点云数据去噪中，并实现了工件与噪点的分离。但该方法的应用仅仅适用于小范围或表面连续的工件点云，同时运行过程又需要人工的干预，无法确保聚类质量的有效性。对于上述的问题，提出一种新的原始散乱的点云数据快速去噪算法。该方法基于改进K-means聚类算法来构建点云空间的拓扑关系，然后对每一类的点云进行噪点的识别和去除。该方法能够很大程度保留理想的点云原始数据信息。与对全局点云进行去噪相比，该方法不需要搜索全局信息，运算时间迅速，去噪效率高。