随着机械制造行业的飞速发展,从传统制造向智能制造转型成为制造业的发展目标。新产品的开发仅通过正向设计往往不能满足需求,而逆向工程作为一种有效且低成本的产品开发技术,在航空制造、医疗、教学等方面的应用尤为广泛。在逆向工程中,准确获取工件的全部三维信息是关键技术,现有的逆向测量技术对规则零件的测量已经相当成熟,但是对具有内腔工件的测量受到一定的制约。本文从精度等方面对逆向工程进行研究,提出一种断层序列图像三维模型重构方法。将图像采集设备安装在数控机床上,通过对被测工件的铣削试验,获取断层序列图像;然后基于深度学习的方法对图像边缘进行提取,形成工件的原始点云;最后对点云数据去噪、曲面拟合以及实体模型重构,获得被测工件的三维数字化模型。本文主要研究内容为:（1）获取断层序列图像通过对被测工件的包埋等预处理之后,搭建断层铣削试验平台,根据试验环境调整相机焦距以及光源亮度。首先对标定板进行多角度拍摄,以进行相机标定工作;然后对被测工件进行断层铣削试验以及序列图像的采集工作。本文对工件进行177层的铣削试验,共拍摄1770张断层照片。（2）基于深度学习的边缘提取通过研究几种深度学习的边缘提取算法,U-net网络是一种少批量以及简单轮廓的边缘提取算法,与本文的边缘提取要求基本一致。通过研究传统的边缘检测算法,使用Canny算法对断层图像进行边缘提取,获得深度学习的训练集,对模型进行训练。分析研究U-net网络的各种参数,选取一组准确率最高且损失最小的参数对断层图像进行边缘提取,相比Log、Sobel算法的边缘提取效果,基于U-net网络提取的边缘效果不仅噪声少,而且边缘结构完整程度好。（3）点云数据处理根据提取的边缘数据与获取的相机的标定参数,在Matlab软件中将二维的边缘数据转化成三维的点云数据。通过对原始点云数据的降噪算法与精简算法研究,采用平滑滤波降噪算法与基于八叉树的点云精简算法对点云进行处理,获得适合模型重构的点云数据。（4）曲面拟合以及三维重构对曲面拟合方法进行研究,提出一种领域特征提取的曲面拟合方式,对复杂曲面进行拟合重构,相比传统的“曲线-曲面”的拟合方式,领域提取的方法不会出现点云数据与面片分离的现象,提高了曲面拟合的准确率。根据模型的不同特征采用不同的面片拟合方法,提高了曲面的拟合效率。最后从形状误差、几何误差和体积误差方面对模型的重建精度进行分析,本文的模型重构方法是一种高精度的模型重构方法。结果表明,基于优化后的U-net方法提取断层图像中的目标边缘不仅噪点少而且边缘完整度好,利用CCD相机获取涡轮增压器压气叶轮的断层序列图像能够构建高精度的三维模型,能为逆向工程方面的应用提供一种高精度的三维模型重构方法。