逆向工程技术是一种数字化产品开发技术,在大尺寸零件和复杂曲面反求测量方面的应用也越来越广泛,相关研究也越来越引起人们的重视。数据获取、数据处理是逆向工程的两项关键技术。数据获取是逆向工程的前提和基础;数据处理是逆向工程中的关键环节,其结果将直接影响后期模型重构的质量。目前基于点的点云数据处理技术已成为逆向工程的一个研究热点,包括数据预处理和特征提取。本文论述了数据获取的不同方法、数据的类型着重研究了逆向工程中的数据点间拓扑关系建立、点云数据的边界提取、三维点云中圆的提取等关键技术,为后续的角点提取、比对、模型重建做准备。数据获取是数据处理的前期工作。简单介绍了三维离散数据获取的原则、方法、影响因素以及点云的类型,并描述了本文使用的数据获取技术的方法。点间拓扑关系的建立是数据预处理技术很关键技术之一。对几种常见的拓扑关系建立的算法进行了分析,并提出了一种改进的散乱点云k近邻快速搜索算法和相应的算法流程,此方法提高了点间拓扑关系建立的效率和准确性。边界特征提取是点云处理中另一项重要的工作。讨论了适用于扫描线点云和散乱点云的边界特征提取方法,并阐述了边界点的排序算法。针对实验数据,利用网格划分法提取出了边界,为下一步的角点检测和比对做了准备。在工程中圆是很常见的一种形状,使得在三维点云数据中提取圆也就很重要了。针对在边界中检测圆的方法很复杂,提出了一种新的提取散乱点云中圆的提取方法,并详细阐述了图像中圆、椭圆的检测算法和粗边界的点云边界的提取方法。通过本方法可以从实验数据中提取出圆。