点云数据分割技术在逆向工程中对产品的分析和建模方面起着至关重要的作用。通过CT、MRI等三维数字设备扫描零件所得到的零件外形的点云数据，首先需要对其进行点云分割等预处理，然后应用计算机辅助设计软件对点云数据进行重构，得到零件外形曲面后再转化为实体模型，用以进行模具设计或分析。如果所扫描出的点云数据曲面不经过分割处理，而是由一种或几种简单曲面直接拟合，其拟合结果会与原始点云之间存在较大误差。因此，本文拟研究一种在计算机上自动将复杂点云数据分块的方法，以实现复杂点云数据的重建。首先通过电势差原理推导出随机游动模型，再由随机游动模型推导出三维空间中的三维随机游动模型概率的数值迭代式。通过引入体素的概念，实现了Matlab中三维点云数据由图形向图像的转化，并以八叉树搜索方式建立点云数据的k近邻邻域，使得点云的邻域可被高效检索。然后利用协方差分析方法拟合出点云的法向量，从而使得随机游动模型概率计算得以实现，最终完成随机游动模型与三维点云数据的匹配。最后通过利用Matlab的图像处理系统与数学函数库，生成分割复杂点云的显示文件，再分别使用有机械零件型、兔型及混合型的三维点云数据，给出分割实验的结果。通过分析随机游动模型的概率阈值、k近邻值及体素数量对分割结果的影响，得到最佳的点云分割参数。