基于测量数据的曲面重建在反向工程、计算机视觉、医学图像重建等领域有着广泛的应用。含有噪声的三角网格模型的特征提取是复杂曲面重建中的关键和难点问题之一。本文着重讨论了反向工程中特征曲线曲面的提取方法。本文首先介绍了一种基于几何二阶连续的方法来提取特征线:先从网格中提取特征点,或是直接从点云中提取出特征点的算法;而后将特征点分组连接成粗略的特征线.本文针对含有扫描数据含有大量噪点这种普遍的现象设计了特征线的优化和修复算法,对于初步提取得到的特征线,通过剪枝、边溃缩,边拆分和边交换等手段,大大减少了结果中的碎片数据,并使获得的曲线更加光顺,达到工业应用的效果。其次研究了数据的区域分割,并提出了一种基于三角网格的分割算法:通过计算三角网格点几何特征以及已经得到的特征线来识别边界特征,运用区域增长算法对三角网格进行分割。最后研究了结合二次曲面拟合误差分析和二次曲面的几何属性分析的特征曲面识别方法:首先用一般二次曲面方程拟合测量数据并计算曲面的拟合误差,比较拟合误差与阈值的大小来识别自由曲面和一般二次曲面,然后计算测量点几何属性并将它映射到高斯球和法曲率坐标上,运用统计方法识别不同分布模式,从而识别不同的特殊二次曲面类型。该算法能有效的识别自由曲面,平面,球面,柱面,锥面,过渡曲面等特征曲面。