逆向工程是近年来CAD/CAM技术领域的研究热点。随着现代测量技术尤其是三维激光扫描设备在船舶等工程领域的应用，快速密集地获取大型复杂结构对象的点云数据已经成为现实。但点云数据量达到百万级甚至亿级给计算机系统带来了巨大的存储、传输和运算负担。 点云数据分割是研究如何将拼接后的散乱点云数据划分成单一几何特性的不同区域点云的方法或技术，它是船舶大曲面等大型复杂结构件逆向建模的基础，它对船舶曲面逆向设计和舱容计量等船舶工程领域有直接影响。 在对已有点云预处理算法进行系统研究的基础上，本文针对巨量点云数据的分割进行了研究，提出了基于外存的八叉树(Out—of-core Octree，简称O<2>)拓扑结构的建立方法、一种回归的改进型点云分组方法和一种与边界特征相关联的非均匀简化方法。 本文引入基于外存(out-of-core)的思想，将大数据量的点云模型分割成数据量较小的分块点云数据存储于外存。然后将它们分别调入内存，利用线性八叉树数据结构对点云空间进一步划分，将各点的邻近点的搜索范围减小。使用距离最近原则建立起空间各点的k邻近拓扑结构。使用微切平面法计算各点的法向矢量，并根据各点到相应微切平面的离差来提取边界特征点。在此基础上将处理散乱点的包围盒法与按给定数据点个数简化法相结合，对点云数据进行根据特征的简化，并完成点云数据的分割。最后，针对激光扫描点云存在密度不均的情况，提出了一种改进的点云分组方法，使其可以对密度不同的点云进行分组，而不会因为点云稀疏而在分组过程中产生点云“孤岛”现象。 本文所有算法均通过C语言予以实现，并借助现有的商业化CAD软件及逆向工程软件对点云数据处理结果进行了显示，结果表明算法是行之有效的。文中分析了应用实例及算法计算效果，本文的工作为为后期的船舶逆向工程的建模奠定了坚实的基础。