三维模型构件的分解与提取,对于三维模型交互编辑、模型匹配与检索、参数化纹理映射、几何变形、动画和点云重建等都具有重要的意义。当前三维模型分解方法大都针对具有拓扑关系的网格模型进行的。本文针对点云模型的构件分解和提取进行了研究,主要工作概述如下:（1）实现了一种离散点集的法向量计算与归一化处理方法。对原始点云模型上的每个点建立Kd-Tree,求解k近邻,将这k个近邻点和该点自身采用最小二乘法拟合平面求得该点的法向量,然后通过确定某坐标轴方向上的最大值点的法向量法向作为基准,对点云模型法向量方向进行归一化处理;（2）给出了一种基于收缩策略的物体近似骨架模型提取方法。对于模型上的每一个点,基于其法向量反方向移动,对模型进行迭代收缩,最终得到近似骨架的收缩模型,为后一步骨架拓扑图的求解奠定基础;（3）实现了一种基于聚类的物体近似骨架拓扑图构造方法。对收缩模型使用K-means聚类并求解聚类中心点,基于欧氏距离进行聚类中心点的二次连接形成拓扑图,并对拓扑图进行优化处理;（4）提出了一种融合关键点和骨架点的物体构件分解方法。求解模型骨架拓扑图中分割点以及模型表面脊谷点,使用分割点和其邻近脊谷点构建最佳分割平面,以分割平面和骨架为约束,结合区域增长对原始模型进行分解。本文的成果不仅丰富了机器对空间认知的方法体系,并对动画动漫、计算机视觉等领域的应用起到良好的支撑作用。