分层技术是快速成型技术的关键环节,分层算法的好坏将直接影响模型的分层效率和成型精度。针对现有的分层算法不能有效调节分层效率与模型精度两者之间矛盾的问题,对分层技术中所应用到的数据精简算法、自适应分层算法以及轮廓线拟合等算法进行了研究。现有的成型机处理的数据格式为STL(Standard Template Library)模型,在建立STL模型时,要将得到的点云数据进行三角面片化,因此会导致分层误差变大同时会降低分层效率。针对此问题,本文提出了一种基于点云数据的自适应分层算法,该算法是直接对点云数据进行处理,这就节省了建模的过程,从而大大提高了分层效率。但是通过三维扫描设备得到的模型点云数据会存在大量的冗余点,从而会影响模型的成型精度,针对这一问题,本文进行了点云数据精简算法研究。通过对几种精简算法的研究发现,几种常用的精简算法不能有效保留模型的特征点,为了解决这一问题,本文决定采用一种基于法向夹角的点云数据精简算法,通过实验数据得知,该算法能够有效保留点云数据的细节特征。首先,分析了目前存在的自适应分层厚度调整算法的研究现状,采用一种通过不断调整阶梯产生的误差大小来确定最佳分层厚度的算法。通过对产生阶梯误差原因进行分析,能够推导出分层厚度和模型分层产生的阶梯误差两者之间的对应关系。以阶梯误差大小作为自适应分层的判据,从而达到可以自动调整分层厚度的目的。其次,介绍了现有轮廓线提取的研究方法,通过对现有的轮廓拟合算法分析,采用了三次B样条算法进行轮廓线提取。为了能够减少计算误差,本文对点云数据邻域进行了确定,对邻域内的点建立局部坐标系,通过最小二乘法计算各个点的向量,得出边界特征点。最后,为了验证研究方法实用性以及意义所在,同时也为了推动课题进程,对测件运用论文研究方法进行处理,实现了对斗齿、机架等模型的自适应分层算法,分层精度和分层效率表明效果较好。