针对传统算法计算复杂、不能有效保留模型特征的问题，提出一种以STL文件中三角面片法向量为计算基础、可以减小台阶效应并且识别和保留模型特征的自适应分层算法。计算面片法向量在分层方向上的分量，识别出分量较大处即为模型表面倾斜角度较小的地方，在该地方采用较小的分层厚度以减小台阶效应。给出一种识别模型特征的方法，利用面片法向量计算模型面片之间的二面角大小和顶点的复杂程度指标，识别出模型表面的锐边和复杂点特征。在特征附近采用较小的分层厚度以保留模型特征，其余地方采用较大的分层厚度以减少打印时间。检测遗漏的三角面片并对分层厚度进行修正，以防止模型特征丢失。实验结果表明，对于实验所采用的哑铃模型，所提算法能识别出传统算法识别不出的非局部最高或最低特征点；对于龙猫模型和椎体模型，该算法可以识别出所有模型特征，并且可以根据模型特征的复杂程度调节分层厚度，在保证尖端高度分别为0.400 mm和0.355 mm的前提下，分层数较传统识别模型特征的自适应分层算法分别降低了2.5%和1.2%。
