随着计算机硬件与图形学的迅速发展,三维模型越来越广泛地应用于生活生产中的各种领域。而三维网格因为其简便直观的展现方式,逐渐地成为了计算机图形学中的研究热点。特征点是三维网格的几何形状中最简单的特征元素,它不仅可以传达出模型的基本几何信息,节省大量时间与空间,还对后期的模型识别与匹配、曲面重构等实际应用有着指导作用。目前提取三维网格特征点的方法各种各样,其中最有效的一种是结合网格局部几何特征与全局特征的方法。这种方法既能捕捉到局部范围内具有显著特征的顶点,又能得到体现整个模型基本特征的顶点,最终得到的特征点集可以有效地展现三维网格的几何特征。为了高效提取三维网格的特征点,本文考虑模型的局部与全局特征,研究了新的算法来提取特征点,研究内容如下所述:研究了一种基于数据引力的特征点提取方法。数据引力是源于万有引力的新概念。本文将数据引力应用到解决三维网格提取特征点的问题上。该方法首先对所有网格顶点的高斯曲率进行归一化,将具有最大高斯曲率值的顶点作为初始点,加入到特征点集合;然后根据一定条件判断是否对归一化后的高斯曲率加权处理,并利用最远点采样的原理求出顶点的邻居点集合;接着根据顶点的高斯曲率以及邻居点数目,计算每个顶点的数据引力值;最后选择数据引力最大的顶点,加入到特征点集合,直到选出给定数目的特征点。把该方法得到的特征点结果与其他算法的结果进行对比评价,本文采用三个统计学度量:假阴误差(False negative error)、假阳误差(False positive error)以及加权失误误差(Weighted miss error)来评估各种方法;并使用威尔科克森符号秩检验对该方法的实验结果进行假设检验,由少数的样本模型检验总体的实验结果。结果表明,基于数据引力的方法是一种适用范围广并且有效的特征点提取算法。本文研究了一种结合主曲率与双边滤波算法来提取特征点的方法。使用三维顶点的主曲率作为双边滤波的处理对象,将滤波过程应用到三维顶点后,选取结果值显著的顶点,得到特征点集合。通过与其他算法的对比评价和假设检验,说明该算法检测到了更为准确的特征点。