逆向工程作为产品消化、吸收且快速开发的重要途径之一,得到了越来越多的重视。通过逆向工程技术,可用三维扫描仪获得实物的散乱点云模型来重建数字CAD模型。针对复杂模具的散乱点云数据,其数据分割与特征提取技术仍存在着适应性不强、自动化程度不高、计算速度慢及精度不足等问题。本文采用理论与实践相结合的方法从K邻域搜索、微分信息估算、数据分割和特征提取等方面进行理论研究与实验验证。论文主要研究内容如下:1.针对规则栅格搜索点云K邻域时容易遗漏局部特征点的问题,采用一种改进的点云K邻域搜索算法。该算法是在基于规则立体栅格空间划分中融入八叉树思想,根据初划分小立体栅格内的点云数目与引入的“点云阈值”关系自适应确定栅格棱长进行自适应空间二次划分;并以采样点的近似密度自适应确定初始空间球半径r和动态球的外切立方体改进空间球算法,实现自适应搜索采样点的K邻域。2.法向量计算误差往往会给曲率计算带来影响,并且难以估算高曲率区域曲率,本文提出一种基于稳健统计的移动最小二乘曲面计算曲率的方法。该方法通过变窗宽最大核密度估计得到最佳子点集,并以此点集拟合出最优移动最小二乘曲面,计算曲面曲率。3.针对B样条曲线拟合的特征线精度和效果与实物原始特征线偏差较大的问题,对3次B样条构造法进行改进。该改进法是将理论的控制点直接用实际控制点来表示进行插值拟合,并采用积累弦长参数化法求取节点向量,以提高拟合特征线的精度。选择不同K值,角度阈值,获得最优的特征提取效果。4.针对特征区域(高曲率)处数据分割误差大的问题,本文提出一种基于多种聚类相结合的混合分割法。采用改进的K均值聚类算法和基于高斯映射的均值漂移算法分别对点云的平坦区域和特征区域进行分割,对K均值聚类算法加入遗传算法避免分割时陷入局部极值;针对特征区域,利用计算出的单位法向量通过高斯映射,在单位球上形成高斯图,再结合自适应均值漂移法对高斯球进行聚类分割,最后根据高斯图与点云数据的对应关系,由分割后的高斯图实现零件点云的分割。5.结合Microsoft visual studio2010和OpenGL对上述理论进行程序编写,再分别使用机械类零件与混合型的点云模型为实验对象进行研究,得到了相应的实验结果。分析实验结果,并与其他经典算法进行比较,验证了k邻域搜索、微分信息估算、特征提取和数据分割算法的有效性与适用性。