为了对激光测量系统的测量误差3维空间分布进行有效评估, 以特定点测量或仿真的大量位置数据为基础, 采用孤立森林算法对点云进行了异常数据筛除。基于误差椭球理论, 引入粒子群优化算法, 针对有效数据建立了最小包络椭球的不确定度模型; 采用测量场与单点不确定度的坐标系变换, 将不确定度最小包络椭球模型应用于测量场景内不确定度场的空间分布分析; 通过单点以及10m量级范围空间场景实测数据的测试, 该模型可以高效地筛选有效采样数据, 并依据需求进行不同程度的最小包络椭球计算, 得到相应的不确定度。结果表明, 基于测量位置数据, 该模型可以高效准确地描述单点位置的3维不确定度范围, 并能够有效地再现测量空间内的不确定度分布, 在4.7m的测量距离、94.2%的筛选后有效数据、97.5%的包络比例下, 计算获得不确定度范围为三轴长4.95μm, 18.39μm和30.53μm的椭球。该最小包络椭球不确定度模型在基于实测的理论模型验证、设备状态与测量场景环境分析, 以及测量布局设计等方面具有着重要的价值。