随着三维扫描测距技术的不断发展,三维点云数据在逆向工程、工业检测、自主导航、文物保护、虚拟现实等领域的应用越来越为广泛。三维点云数据处理技术作为实现上述应用的基础,发挥了至关重要的作用。在三维点云数据处理技术中,三维点云数据的几何特性估算和特征识别是两个非常关键的技术,是多视配准、区域分割、模型重建等后续处理的基础,直接影响着三维点云数据的应用效果。因此,研究如何从三维点云数据中准确地估算出几何特性以及可靠地识别出形状特征,对于提高三维点云数据的应用水平具有重要的意义。一般而言,从三维点云数据中可以获取两种离散几何图形：线点云数据和面点云数据。线点云数据是由一组分布在物体曲线上的有序离散点组成的,在几何上又称为离散曲线；面点云数据是由一组分布在物体表面上的离散点组成的,在几何上又称为离散曲面。因此,三维点云数据的几何特性估算也相应地分为两类：离散曲线的几何特性估算和离散曲面的几何特性估算。为了提高三维点云数据几何特性估算的准确性、鲁棒性和普适性,本文对离散曲线和离散曲面的几何特性估算分别进行了深入的研究,并以此为基础实现了规则三维点云数据的特征识别。本文的主要工作如下：1、提出了一种基于离散导数的离散曲线几何特性估算方法离散曲线的几何特性估算是指从有序的离散点中估算出曲线的几何特性,例如切向量、主法向量、副法向量、曲率、挠率。本文提出了一种基于离散导数的离散曲线几何特性估算新方法。该方法将导数估算与经典微分几何理论相结合,通过离散导数的定义将普通参数化曲线的几何特性离散化,并以此估算出离散曲线的几何特性。从整个估算过程来看,该方法较好地避免了弧长逼近问题,提高了估算的准确性；并且,不依赖于任何光滑曲线模型,直接从离散数据点中估算出曲线的几何特性,从而对离散曲线的几何形状具有较好的普适性；同时,由于离散导数的计算特性,对噪声也体现出较强的鲁棒性。2、提出了一种基于离散曲线模型的离散曲面几何特性估算方法离散曲面的几何特性估算是指从一组离散点中估算出曲面的几何特性,例如曲面法向量、主曲率、主方向、高斯曲率、平均曲率。本文提出了一种基于离散曲线模型的离散曲面几何特性估算新方法。该方法通过构造离散曲面在给定点的离散曲线模型,用多条离散曲线来描述给定点的局部离散曲面,增加了描述自由度,提高了描述准确性,有助于准确地估算离散曲面的几何特性。在此基础上,结合本文的离散曲线几何特性估算方法,即可利用Meusnier定理和Euler公式估算出离散曲面的几何特性。由于该方法以本文的离散曲线几何特性估算方法为基础,所以其也继承了它的优点：不依赖于任何光滑曲面或曲线模型,对离散曲面的几何形状具有较好的普适性；对噪声具有较强的鲁棒性。3、提出了一种基于主曲率变化的三维点云数据特征识别方法三维点云数据的特征识别是指从三维点云数据中识别出各种几何不连续点：C。不连续点、C1不连续点和C2不连续点,这些几何不连续点往往包含了物体表面重要的几何拓扑信息,充分体现了物体表面的形状特征。本文针对规则三维点云数据提出了。种基于主曲率变化的特征识别新方法。该方法首先从三维点云数据中估算出主曲率和主方向,并深刻研究在几何不连续处主曲率沿主方向的变化行为,通过对主曲率极值和零交叉值的提取来实现C0不连续点和C1不连续点的识别。然后,利用主曲率在不同邻域的变化幅值来计算三维点云数据的相似度指标,并通过相似度指标来协助完成C2不连续点的识别。相似度指标的阀值设置范围为区间[0，1]，其刻画了一种相对的几何特性变化关系,使C2不连续点的识别更加合理、简单,从而使三维点云数据的特征识别更加可靠、准确。为了分析本文三维点云数据几何特性估算方法的性能,文章对离散曲线和离散曲面进行了几何特性估算实验,并与其它经典方法进行了比较。实验结果表明,本文的估算方法不仅具有较高的准确性,而且对噪声具有较强的鲁棒性,对离散曲线和离散曲面的几何形状具有较好的普适性。在三维点云数据几何特性估算的基础上,文章还对三维点云数据进行了特征识别实验。实验结果表明,本文的识别方法是有效且可靠的。