计算机辅助设计(Computer Aided Design,CAD)、逆向工程(Reverse Engineering)等计算机技术的快速发展使工业零件的设计过程中融入了许多新的数字科技。数字化后的工业零件模型便于数字量测、形状分析,能够快速实现从实体到设计图纸的过程,从而提升工业零件产品设计的效率。三维点云模型是实体模型数字化中的一种常用数据,为表达工业零件表面的细节特征,点云中的点数量通常是巨大的,其中存在大量数据冗余。如何从原始的离散点数据中通过数据分析与挖掘自动提取模型的线面构成信息是逆向工程中模型重建的关键内容。当前从三维模型中提取特征线面的研究有很多,由于工业零件结构多样,线面信息的提取仍然需要大量的人工编辑,提取的自动化程度、准确度和完整度还有待提高。虽然大多数研究只针对特征线或面进行提取,但在实际的提取过程中,线面信息是彼此相关且相互影响的,本文针对工业零件的三维点云模型数据,综合线面信息提出了完整的特征线面提取算法。本文首先对三维点云模型进行初步特征点提取。利用点的法向量信息代替坐标信息构建法矢分布矩阵,进行主成分分析,设置双阈值将点云中的离散点分为线、面、角点三种类型。特征面的提取中综合运用了曲面的隐式表达和参数表达两种方式。以特征点初步提取中的面点集合作为数据源,首先采用距离约束的区域增长算法对其分类,然后针对每个区域面拟合其隐式表达方程式。由于工业零件模型中较常出现的有平面、圆柱面、球面三种规则二次曲面模型,本文的曲面隐式表达函数主要提供这三种模型,引入法向量信息采用随机采样一致(Random Sample Consensus,RANSAC)的思想求解模型参数。接着利用隐式表达函数和距离约束对曲面进行扩展、合并、再分割等优化处理,最后采用曲面参数表达方式中的非均匀有理B样条曲面(Non-Uniform Rational B-spline Surface,NURBS)对曲面进行统一表达并输出CAD可读的文件格式。特征线提取中首先将特征点初步提取中的线点集合进行细化,并在特征面提取的结果中提取特征面的边界点集,然后对这两种数据源的数据利用距离和一致性约束进行区域增长分类得到多条线段信息。采用主成分分析方法分析线段特征,融合两个数据源,结合角点信息建立线段拓扑关系。最后利用图论中的最短路径算法进行曲线重建,输出矢量信息。为验证本文算法的可行性,本文采用三组点云数据进行了实验,讨论了算法中相关参数阈值的设置并对结果进行分析。实验结果表明本文提取特征线面的方法切实可行,具有较高的正确率,对工业零件建模的自动化程度有所提升。