曲线骨架的提取在计算机图形学和可视化领域的许多应用中是一个比较基本的问题.曲线骨架是三维模型的一维表示.它广泛地应用于虚拟教学环境的创建、教育模型库检索、教育游戏等领域.现有的曲线骨架提取算法使用的三维模型大多是以离散体素或者网格曲面形式表示的,而直接在点云上提取其曲线骨架的文献比较罕见.近年来随着点云数据获取地日益便捷,点云数据量急剧增大,原始模型的冗余数据给后续的曲线骨架提取带来了不便.鉴于此,本文提出一种基于二次误差度量的自适应点云简化方法.该方法首先根据二次误差度量的思想构造光顺迭代算子对输入点云进行光顺处理,剔除噪声点和离群点.然后提取原始点云的特征点进行强制保护.而后以非特征点为球心,利用二次误差度量的方法计算非特征点覆盖球的半径和最优点.最后用最优点代替覆盖球内贡献较少的非特征点,达到简化的目的.该方法不仅以较快的速度简化点云同时可有效的保持原始点云的几何特征.经过上述精简处理后,去除了模型中的冗余信息.但同时应注意到,由于模型的复杂性,原始点云中往往存在一定的数据缺失和噪声,且模型各分支间会对骨架的提取产生一定的干扰.因此本文提出一种基于模型分割的鲁棒性点云线骨架提取方法.该方法首先采用模糊聚类的方法对点云进行分割,然后基于广义旋转对称轴的思想提取模型粗骨架.再对粗骨架进行细化,下采样得到定序骨架点,拟合定序点得到一维线骨架.由于本文首先对模型进行有意义的分割,从而可消除模型分支间的相互干扰,同时在提取骨架点时充分利用法矢信息对数据缺失进行有效弥补,最终保证了提取骨架的有效性和完整性.