针对目前骨架提取算法普遍存在的准确性与复杂度的矛盾,本文提出一种基于特征点求解的Reeb图骨架提取算法,创新地将提取特征点和Reeb图结合用于骨架提取,在保证骨架提取准确性的同时,降低计算复杂度,加快提取骨架的速度,提高算法效率。在JulienTierny提出的应用于骨架提取的特征点提取算法的基础上,对多处原实现细节进行了改进或提出了新的替代算法。提出了模型中心最近点算法用以提取模型的最远点对,避免了传统算法导致的Floyd算法瓶颈问题,提高了整体算法的执行效率;针对三角网格模型的特征点提取阈值,给出了两种自适应阈值取值方法:直接取值法和一阶邻域取值法。直接取值法以多组实验数据作为取值依据,自适应地给出一个较宽泛的特征点提取阈值,一阶邻域取值法采用特征点的一阶邻域边长作为取值依据,两种方法都能快速有效地提取特征点,提取结果的完备性和准确性能够满足骨架提取的要求。在提取特征点的基础上,通过对进行骨架提取的总体流程进行充分分析,给出了骨架提取的总体实现方案。以提取的特征点为计算依据,结合映射函数对模型顶点进行分类计算,求得模型分支,提出拓扑结构法用于聚合模型的分支顶点,提取骨架点。为避免干扰点和骨架环路影响骨架提取效果,给出了剔除冗余点的具体方案。实验结果表明,基于特征点求解的Reeb图骨架提取算法在保证骨架提取精度的同时,具有较低的计算复杂度,能够快速提取骨架,针对一般模型的骨架提取效果较好。