3D打印是一种通过堆积材料来形成模型的技术。其中一种3D打印的一般过程是:首先通过三维激光扫描设备获取模型点云数据,其次通过一定的分层算法将点云模型划分成层片信息,最后依据层片信息逐层进行打印成型。随着三维数字化激光扫描技术、3D打印技术的发展,需要处理的点云数据的规模日益增加,需要处理模型的精度也越来越高,并且数据中存在大量噪音数据,处理数据的效率不容忽视。现存的分层算法主要依据点云数据生成三角面片信息,然后依据三角面片生成切片信息。本文中提出一种基于点云数据的快速自适应厚度调整分层算法,避免了曲面重构(建模)过程,在切片层数相对较少的情况下,使分层产生的误差达到最小。本文分层算法跳过建模的过程,直接基于点云数据进行分层厚度的调整,基于分层后获得的点云带数据进行轮廓提取,使3D打印效率显著提高。首先,分析了目前存在的自适应分层厚度调整算法的研究现状,提出一种通过不断调整厚度并计算调整时造成的模型误差确定最佳分层厚度的方法。通过对误差产生原因进行分析,推导出由阶梯效应造成的分层厚度与模型误差的公式关系。采用“预分组+四叉树”的数据结构进行数据存储,利用快速排序的思想进行预分组处理,提高了后期查找任意区间的点云带数据的效率;以四叉树为基本数据结构存储每一层的点云带数据,有利于分析四叉树中的叶子结点的变化对于模型误差的影响。实验证明,该算法时间效率高,误差小,对几何特征较复杂的数据模型亦有较好的分层效果。其次,提出一种基于本文分层厚度调整算法确定的点云带数据进行轮廓提取方法。为了加快对于点云带数据的检索和遍历,采用四叉树的数据结构进行数据的存储。采用一种基于投影法和四叉树中的叶子结点相结合的方法提取切片数据,使需要处理的数据量大幅减少。四叉树本身的特性会导致新生成的切片数据点存在一些冗余问题,并且这些冗余数据会对特征多边形的提取造成一定的误差,基于切片数据的邻近关系进一步做了修复,提升了切片数据的有效性。通过切片数据快速建立邻近点序列,进而确定特征多边形,并针对特征多边形中存在的交叉现象进一步做了修复,最后采用三次B样条算法进行曲线拟合。