随着三维测量技术的不断提高以及相应设备的不断完善,三维测量进入了一个大数据量的时代,但相应的也带来了诸如存储、传输等问题。为解决这一问题,人们提出了数据精简。但是由于被测物体表面形状不尽相同,各部分复杂程度也不相同,对于一些复杂的点云数据若直接进行精简,就会丢失一些重要的特征点,甚至有些时候会出现点云数据难以直接简化的现象。这就为实现大量的点云数据的快速准确的精简带来了困扰。本文则以此为背景,研究了三维点云数据自适应的区域分割技术。本文选用Kinect设备对实际物体的三维点云数据进行了采集,并建立相应的拓扑关系,按照格式的要求对此数据进行存储,以便实现后续的相关处理。接着,利用坐标转换法将点云数据的坐标转为PCL(Point Cloud Library)环境下的坐标,并对点云数据添加颜色信息。在此基础上计算数据的法向量并调整其方向,并以此为据计算曲率值。最后本文提出通过相关算法计算得到阈值参数,并以此对对点云数据的曲率值进行判断,以便使点云数据可以按照不同类型自动进行分割,最终实现对三维点云数据自适应区域分割的算法。所提算法降低了以往分割算法的复杂程度,有效地避免了对初始值的依赖以及局部收敛等的弊端,提高了算法的效率以及分割的精度。