随着三维扫描技术快速发展,点云数据在工程和众多生活领域中得到广泛应用的同时,给点云数据处理与模型重构提出了更高要求。无拓扑结构点云数据蕴含原始设计意图与特征信息,精度数据处理、精确特征识别既是点云数据得以深入应用的基本要求,也是点云数据应用面临的挑战。本文针对点云数据特征识别的关键技术进行研究,主要工作如下:(1)点云数据量随扫描仪精度提高越来越大,针对大规模点云k最近邻点搜索性能问题,提出了一种直接提取的k最近邻点搜索算法。该算法利用点邻域空间重叠特性,在向量内积替代距离计算基础上,通过设计提取判别准则,直接从反最近邻点的邻域中提取邻近数据点,该算法提高了点云数据k最近邻点搜索性能。(2)点云数据非均匀性和各向异性特征明显,针对点云数据测地路径生成问题,提出了一种基于非均匀网格化和正向跟踪的测地路径生成方法。该方法通过选择主行进方向,确定主行进区域,减小网格规模、网格计算时间和路径跟踪时间。非均匀网格化路径两端点间的主行进区域,构建基于单向非均匀紧致差分的快速行进法提高网格计算精度。利用测地线正定向条件和测地线性质,正向跟踪生成测地路径,同时获得路径上各点主法向量。该方法提高了非均匀点云及尖锐特征的测地路径精度,解决了反向跟踪方法因跨越网格边界,导致路径跟踪失败的问题。(3)法线通常通过选择有效邻域点拟合微切平面得到,针对点云法线估算问题,提出了一种基于测地路径的法线估算方法。该方法利用测地线主法向量与曲面法向平行性质,以当前点为路径起点,从全域范围内快速搜索递进邻近点作为路径终点,生成两条测地路径。分别拟合两路径上各点的主法向量,得到点云模型法平面,以两法平面的交线近似点云法线。该方法实现了点云及尖锐特征的法线估算,解决了尖锐特征邻域点难以选择的问题。(4)特征提取需要估算诸如曲率等几何属性并判断变化趋势。针对点云特征提取问题,提出了一种基于Laplace算子的特征点提取算法。以当前点为球心构建局部球坐标系,将相近坐标点分组构成潜在特征线并排序。基于离散Laplace算子构建特征检测模型,标识潜在特征点的连接顺序和潜在特征线的连接区域,提取点云特征。该方法实现了特征点检测和特征线提取,避免了几何属性复杂计算,提高了尖锐特征附近区域特征点提取可靠性,解决了数据点之间几何属性无序比较导致特征线重建困难的问题。(5)从无拓扑结构点云数据识别曲面几何形状并提取几何参数是点云曲面特征识别的核心。针对点云曲面特征识别问题,提出了采用高斯映射结合特征分析的基本图元形状识别方法。对高斯映射进行特征分析,把图元曲面分为平面-圆柱面-圆锥面和球面-圆环面两组,利用显著性特征向量识别平面、圆柱面和圆柱面的几何形状。将Laplace-Beltrami算子作用于曲面片上的简单函数,通过Laplace-Beltrami算子的均值和方差识别球面和圆环面几何形状,最后根据不同几何形状曲面片,采用拟合法提取出曲面片几何参数,实现曲面特征识别。该方法实现了图元曲面特征识别,简化了球面和圆环面几何形状识别难以识别的问题。