逆向工程是数字化产品开发方法之一，它极大地缩短了产品的开发周期，提高了产品精度，是消化、吸收先进技术进而创造和开发各种新产品的重要手段。外形及尺度测量是人类认识和改造世界的基本手段之一，是现代化生产质量控制的主要技术，是逆向工程的重要应用之一。目前逆向工程的重要研究领域主要集中对逆向工程中的关键技术的研究，包括数据获取、数据预处理、特征提取以及三维模型重建。数据获取是逆向工程的前提和基础；数据处理是逆向工程中的关键环节，它的结果将直接影响后期模型重构的质量；实体模型重建是逆向工程的最终环节。本文主要研究了基于逆向工程的大尺度测量所涉及的关键技术——数据预处理与特征提取。本论文主要对数据点云数据预处理及边界线、特征角点提取算法等逆向工程中的关键问题进行了研究，为后续的特征点比对及实体模型重建做准备。对其相关算法提出了一些创新的想法，并在实际项目中得到验证。对于数据预处理，着重研究了数据滤波、数据精简等关键技术。首先介绍了常用的去噪平滑滤波，提出并实现了一种基于图像的数据点云混合去噪方法。然后针对散乱点云，介绍几种常见的求取几何拓扑关系的算法。最后在分析了常用的数据精简算法上实现了基于弦值法的扫描线数据精简算法。对于边界特征提取，在对已有算法进行总结的基础上，针对线结构光扫描自由曲面数据点特征，提出了一种基于数学形态学的空间平面点云边界提取算法。最后分别讨论了基于曲率和基于数据点K-Nearest Points分布均匀性两种空间曲面边界提取算法。对于特征角点提取算法，结合实际项目的要求，提出了一种基于边界线的自适应点云特征角点提取算法，并用实验证明了其可行性。