点云分割及重建是逆向工程至关重要的技术，分割为能够得到一个理想的重建结果提供了保障，得到重建的外形曲面后又可以转化为实体模型，来满足客户端的各种需求。为了进行血管的手术模拟及有限元分析，人们希望获得这些管树类物体的较精确的实体模型，但对于一些没有经过分割处理的血管点云数据，经逆向工程软件得到的模型缺乏质量保证。因此，本文对脑血管点云数据的分割及骨架提取进行了研究，为后续的精确建模技术打下基础。首先进行了基于主曲率的脑血管点云分割算法研究，通过创建kd树快速的查找k近邻，计算k近邻的法向量，再用得到的法向量计算法曲率，通过二次曲面拟合求较小主曲率的方向，根据相同枝干的方向相似性进行初始分割，最后对过分割区域进行区域融合。为了解决主曲率分割算法对弯曲血管的过分割及对缺失数据的病态性问题，提出了基于连通性的脑血管分割算法。首先建立覆盖集，用主元分析法对覆盖集进行特征描述，确定分割的起始点，然后设计覆盖集的连通性判断准则，以此为依据进行点集扩充，确定分叉位置，完成初始分割，并对根部进行反向扩充来优化分割结果。之后引入点云环概念，计算点云环的几何中心得到骨架节点，实现骨架的精确提取。最后，通过Matlab编程，获取脑血管点云数据的分割和骨架提取结果，实验结果证明基于连通性算法精度高，鲁棒性强，适用范围广。