透平机械叶片组将流体的运动变换为转子转动，它不仅是核电、火电及水电发电的必要组成部分，也是关系到航空、航海发动机性能和安全的高负荷关键部件。透平机械叶片在工作过程中，会受到来自外界的各种压力，如风力、水力和沙尘磨损等，造成叶片型面质量损坏。提高叶片质量的关键是严格控制叶片参数的精确性，由测量数据作为依据来分析和计算叶片的特征参数是叶片型面进行质量检测的一种重要方法，也是评价叶片是否合格的主要标准。因此对叶片参数高精度自动提取和分析进行研究是非常必要的。　　叶片评估的特征参数主要包括弦长，前后缘半径和最大厚度等。　　针对如何高精度地评估叶片的质量问题，本文研究了测量数据与模型对齐后的误差色谱图和叶片各特征参数的全自动提取方法，实现了从读入点云数据和模型到自动提取各参数并进行分析的全过程。　　首先，研究了对齐算法，采用主轴旋转法和迭代法将实测点云数据与模型进行对齐，并通过色谱显示叶片各部分测量数据与模型误差，实验结果表明，该对齐算法可以快速稳定地实现对齐色谱显示，使用户可以从主观上观察叶片质量情况。　　其次，利用叶片每个特征参数的定义和特征自动提取出每个特征参数，如采用多边形凸包算法提取弦长，最大内切圆法提取最大厚度等，经过实验验证，这些算法都能比较好地提取出叶片的每个特征参数。　　最后，本文基于MFC框架和OpenGL库，将以上算法开发完成了一款可以通过对齐的色谱直观观察叶片质量和全自动提取叶片特征参数的叶片尺寸自动提取与分析的测量软件。