direct driver（DD）马达的端面全跳动直接影响着其定位精度。由于端面全跳动测量复杂，实际生产中一般使用千分表测量其端面跳动来近似替代。此方法易损坏被测物的表面，效率低下且精度不高。针对上述问题，提出一种基于点云驱动的DD马达端面全跳动测量方法。首先，采用线激光传感器获得DD马达表面的点云，该传感器使用激光三角测量法测量被测物的距离，Z轴测量精度为1.8~3.0μm，重复精度为0.4μm；其次，使用均匀下采样算法压缩点云；接着，设计一种基于曲率和密度的混合分割算法分割压缩后的点云，获得DD马达工作面的点云；然后，对工作面点云进行异常值分析，并采用基于拉依达准则的算法将异常值剔除；最后，使用随机抽样一致性算法对点云进行平面拟合，获得点云平面方程，并将该平面作为基准面计算DD马达的端面全跳动。实验结果表明，所提方法测量结果为16.8458μm，与参考结果（15μm）在微米级别上误差为12%左右，满足工业精度要求，有效验证了所提方法的优越性。此外，还基于点云库、Qt和Visual Studio平台开发了DD马达端面全跳动测量软件，实现了数据显示、点云处理、一键测量、数据管理等功能。

传统随机抽样一致性（RANSAC）算法只能进行粗配准, 且配准效率低。针对该问题提出一种改进的RANSAC快速点云配准算法。该算法将内部形态描述子算法和快速点特征直方图(FPFH)算法相结合, 得到特征描述子, 然后采用预估计和三维栅格分割法改进RANSAC算法, 最后与传统配准算法采样一致性初始配准算法进行比较。实验结果表明, 本文算法能快速精确地剔除误匹配点, 进行仿射变换矩阵求解, 无需二次配准。本文算法相较于传统配准算法有很大优势, 在大规模三维点云配准中具有很好的稳健性, 并且在保证精度的同时可大幅提高配准效率。