由于长期不正确姿势使用电子产品,脊椎疾病已经成为人群中的常见疾病。脊椎领域的相关研究成为了新的研究热点。随着计算机图形图像的技术发展,将可视化技术引入医学领域,能够为相关疾病的术前预演,术中导航,术后评价等过程提供相关支持。目前脊椎疾病治疗过程中仍然缺乏自动化的数据采集手段,导致相关采集过程只能用手动或者半自动方式进行。为了达到脊椎数据自动采集和测量的目的,本文首先研究了脊椎特征点的自动检测。在此基础上,利用特征点匹配方法,训练样本数据,从而达到目标脊椎数据的自动化采集。首先,本文对比分析了三种三维建模方法,分别是:面绘制、体绘制和基于Simpleware的建模方法,建立了脊椎三维模型。通过比较三种方法优缺点,本文采用基于Simpleware的建模方法构建出脊椎L3实验模型。接着,本文总结了目前主流的特征点检测方法。把三维模型的特征点检测方法分为三类,分别是:基于3D几何结构的特征点检测方法、基于2D特征算子的特征点检测方法和基于语义的特征点检测方法这三大类。对于每一大类,都详细介绍了一种或多种典型的代表算法,分析了算法的原理和流程。特征点检测算法为本文的研究提供理论基础。本文的主要工作集中在特征点检测的实现和特征点检测效果分析。利用VTK开发包,本文实现了三大类特征点检测方法。通过将实现的算法应用于构建出来的脊椎L3模型中,得到多个特征点检测结果。通过参考已有的医学特征点定义方式和特征点评价标准,本文对脊椎特征点检测效果,从多个影响因素对算法进行分析。最后,在检测出脊椎特征点的基础上,本文采用ICP算法,研究和实现了脊椎模型的匹配。脊椎模型的匹配结果取决于输入数据源的大小。在匹配的基础上,通过对已有样本模型定义相关的数据测量方法,从而实现了待测脊椎的数据自动化采集。从本文的实验结果中可以发现,本文的研究方法能够有效地检测出脊椎的特征点并且自动化地进行脊椎数据的采集。从而提高脊椎疾病诊疗过程中的数据采集效率,为相关治疗工作提供数据支持。