逆向工程技术与计算机图形学技术不断发展,在复杂曲面结构模型的设计、制造等多个阶段得到了广泛应用,新技术的引入加速了模型的数字化进程。数字化处理后的模型可用于特征分析、形状检测,实现由实体模型到设计图纸的过程。其中,点云分割是逆向设计制造过程中的关键内容,对物体分类、目标识别、三维重建等任务至关重要。现阶段已有多种分割方法成功应用于复杂曲面结构模型,但由于模型种类复杂多样,包含的一些自由曲面边界难以界定,加之扫描设备获取到的点云数据中夹杂着噪点,对点云数据处理造成一定的干扰,因此实际分割实验中普遍存在部分特征区域识别效果欠佳的问题。为了提高分割的完整度,提出一种基于多视角区域生长的分割方法,主要研究内容包括:(1)针对复杂曲面结构模型数据量大、复杂度高的特性,提出一种基于法向量方向相异性原则的模型初分类方法。利用G2S(Gabriel2 Simplex)准则构建复杂曲面结构模型的三角网格结构,获取其表面的拓扑特征,解算并校正拓扑结构中每一三角面片的法向量信息,依据不同类间法向的指向差异将模型划分为不同类别的子集合。(2)针对单一视角下特征信息缺失与传统距离图像的缺陷,提出一种多视角距离图像的生成方法。在选取视角下将各类点云垂直映射到二维平面上,进行格网划分与网格赋值处理,实现三维点云到二维图像的转化,并引入基于图像形态学的平滑算法削弱图像中尖锐区域,获得不同视角下的距离图像。(3)针对传统区域生长算法自动化程度低、分割完整度不足的情况,提出一种改进的区域生长算法。借助多视角距离图像计算三维空间中不同特征区域内的种子点,采用网格法向量偏移角度和距离约束的区域生长算法识别不同特征面,并利用KNN(K-Nearest Neighbor,KNN)算法剔除离群点,在多种复杂曲面结构模型上均可获得不低于80%的合理分割结果。