以点云为源，以特征为本的参数化反求建模技术现已成为反求工程领域的一个研究热点。近年来，非接触式测量设备的飞速发展使点云的数据规模急剧增加，点云和特征间的关系日趋复杂，在这种情况下，为了能够快速、准确地理解点云所蕴含的特征信息，本文提出并系统研究了基于点云的特征挖掘技术。 在反求工程的背景下，首先给出了特征的定义和分类，而后在此基础上结合数据挖掘思想定义了特征挖掘技术。对特征挖掘的研究内容、体系结构和应用领域进行了系统的分析和论述，指出了包括数据预处理、区域分割和曲面误差评价在内的论文研究方向。 点云数据的引入一方面使反求建模系统的形状描述能力明显提高；另一方面使系统的数据分析、处理模块不堪重负。为了提高系统的数据处理效率，本文首次提出了基于三参数Shepard曲面的噪声过滤和曲率计算方法。提出的噪声过滤算法以三参数Shepard曲面为潜在的流形表面，实现了保特征的异面数据虑除。提出的点云曲率估算方法通过Shepard曲面插值点的简单线性组合计算曲率，避免了大量的曲面逼近运算，具有效率高，复杂度低，实用性强的特点。 提出一种基于微分几何量统计分析的区域自动分割算法。该方法将点云划入规则分布的三维栅格，通过法曲率映射、高斯映射分析每个栅格的几何属性，利用假设检验法判断栅格的特征类别并基于栅格的拓扑关系、映射点的聚类性质和分布拟合的结果分割相应区域。该算法具有阈值少，效率高，抗噪能力强的特点。 提出点云到曲面距离的快速算法。该方法通过曲面采样和最近点搜索获得点云中每个测量点对应的投影点初值，基于此初值迭代求取精确投影点并计算此点和对应测量点的距离。文中首次从理论上定量分析了曲面离散密度对计算精度的影响，这使得本文算法实现了距离估算误差的先验性控制。算法中使用的均匀采样准则和六面体栅格结构使得其速度明显优于同类算法。 研究了上述特征挖掘算法在RE-SOFT系统中的高效代码实现方案。基于两个建模实例说明了这些特征挖掘算法是快速、稳定和可靠的。本文最后对未来的研究工作进行了展望。