三维模型是由逆向工程中的测量仪器获得的实体外观表面点的集合,通常包括点坐标数据、颜色数据等信息,广泛应用于医学、虚拟现实等领域。三维模型分割是在没有任何先验知识的前提下,利用三维模型仅有的点坐标及面片之间点的关系,通过计算每个点的数学特征,然后采用聚类方法将具有相似数学特征的点聚集到一起,称之为三维模型的“子部件”。此过程通常作为三维检索、压缩传输、纹理贴图、动画与几何变形和模型简化等应用的初始步骤。已有的三维模型分割方法虽然可以获得较好的分割结果,但是分割过程中存在选取区域生长种子点困难、如何确定骨架数据区域生长规则及确定三维模型最终分割结果中“子部件”的个数困难的三个问题。本文针对以上问题进行了研究,研究内容主要分为三个部分。第一部分,针对区域生长种子点困难的问题,本文详细分析了种子点的特征及选择种子点的规则,研究了三维模型骨架的几何特点,提出了将骨架的分割点作为区域生长种子点的方案,解决了区域生长过程中,随机选取种子点的问题。第二部分,针对如何对三维模型进行区域生长的问题,着重分析了三维模型骨架数据的拓扑特征,研究了区域生长算法的主要思想,改进了现有的区域生长算法。实验结果表明,将种子点与邻域点形成的方向向量作为区域生长方向,能够使区域生长算法更适用于曲线骨架。第三部分,针对如何确定三维模型分割结果“子部件”的问题,根据曲线骨架可以有效保留三维模型数据拓扑结构这一特点,本文提出了基于骨架的三维模型分割方法。首先,提取并优化骨架的候选关键点;然后,通过改进的区域生长算法,对骨架数据进行分割;最后,通过骨架数据与原始三维数据的映射得到原始模型的分割结果。实验结果表明:该方法可以有效提高三维模型分割结果的质量。