随着三维激光扫描技术的飞速发展,精确有效地采集实际生产生活中各目标物表面数据信息从而获得该目标物高精度表面模型成为可能。而在基于各目标物点云数据进行三维模型重建时,模型特征提取的完整性和准确性成为影响模型重建的主要因素,同时,模型特征提取也是模型重建等后续工作的基础。因此,对点云数据进行特征提取成为了各领域的研究热点。在城乡发展规划领域,随着智慧城市、数字城市时代的到来,对整个室外环境进行建模成为必然选择。而建筑物是现代化城市中一个标志性地物,所以,如何有效提取出以建筑物为代表的室外地物点云模型的特征并对其进行建模是数字城市建设中的一个重要问题。针对上述分析,本文提出了法向量区域聚类分割的点云模型特征提取算法,并将该算法应用于室外场景中建筑物、车辆、长椅等典型地物的特征提取中,其中,在对室外场景地物进行特征提取前,结合布料模拟滤波算法和密度聚类法实现室外场景的语义划分。主要研究内容和结果如下:（1）针对逆向工程领域中散乱点云模型过渡线及细节特征线提取不完整问题,提出一种法向量区域聚类的特征线提取法。采用自适应邻域的主成分分析法（PCA）估算模型法向,利用萤火虫算法（FA）优化的模糊C均值聚类（FCM）算法对法向进行聚类进而实现模型的有效分割。构造点集剔除与合并准则从各分割块边界点集中析取候选特征点,再以局部邻域主轴方向为基准提取特征点。选取逆向工程领域中四种复杂度不同的几何模型进行试验。（2）应用所提算法对室外场景典型地物进行特征提取。先利用布料模拟滤波算法剔除原始点云数据集中的地面点,用自适应参数的密度聚类法实现非地面点不同地物的划分。然后取室外场景中建筑物、车辆、长椅三种典型地物,应用法向量区域聚类算法对这三种地物的特征进行识别。（3）逆向工程领域中四种几何模型的试验结果表明:算法具有良好的自适应性和准确性,能有效提取点云模型尖锐特征和细节特征,并尽可能多地保留模型过渡特征;室外场景中三类典型地物的试验结果表明:该算法可应用于室外场景地物的特征提取,能有效提取室外地物点云模型的主要特征,并且在保证点云密度及点云数据完整性的基础上对细节特征和过渡特征也具有一定的识别效果。