1、逆向工程作為產品消化、吸收且快速開發(fā)的重要途徑之一，得到了越來越多的重視。通過逆向工程技術，可用三維掃描儀獲得實物的散亂點云模型來重建數字CAD模型。針對復雜模具的散亂點云數據，其數據分割與特征提取技術仍存在著適應性不強、自動化程度不高、計算速度慢及精度不足等問題。本文采用理論與實踐相結合的方法從 K鄰域搜索、微分信息估算、數據分割和特征提取等方面進行理論研究與實驗驗證。
　　論文主要研究內容如下：
　　1.針對規(guī)則柵格搜索

2、點云K鄰域時容易遺漏局部特征點的問題，采用一種改進的點云 K鄰域搜索算法。該算法是在基于規(guī)則立體柵格空間劃分中融入八叉樹思想，根據初劃分小立體柵格內的點云數目與引入的“點云閾值”關系自適應確定柵格棱長Ln進行自適應空間二次劃分；并以采樣點的近似密度自適應確定初始空間球半徑r和動態(tài)球的外切立方體改進空間球算法，實現自適應搜索采樣點的K鄰域。
　　2.法向量計算誤差往往會給曲率計算帶來影響，并且難以估算高曲率區(qū)域曲率，本文提出一種基于

3、穩(wěn)健統(tǒng)計的移動最小二乘曲面計算曲率的方法。該方法通過變窗寬最大核密度估計得到最佳子點集，并以此點集擬合出最優(yōu)移動最小二乘曲面，計算曲面曲率。
　　3.針對B樣條曲線擬合的特征線精度和效果與實物原始特征線偏差較大的問題，對3次B樣條構造法進行改進。該改進法是將理論的控制點直接用實際控制點來表示進行插值擬合，并采用積累弦長參數化法求取節(jié)點向量，以提高擬合特征線的精度。選擇不同K值，角度閾值，獲得最優(yōu)的特征提取效果。
　　4.針對

4、特征區(qū)域（高曲率）處數據分割誤差大的問題，本文提出一種基于多種聚類相結合的混合分割法。采用改進的K均值聚類算法和基于高斯映射的均值漂移算法分別對點云的平坦區(qū)域和特征區(qū)域進行分割，對 K均值聚類算法加入遺傳算法避免分割時陷入局部極值；針對特征區(qū)域，利用計算出的單位法向量通過高斯映射，在單位球上形成高斯圖，再結合自適應均值漂移法對高斯球進行聚類分割，最后根據高斯圖與點云數據的對應關系，由分割后的高斯圖實現零件點云的分割。
　　5.結合