Con la amplia adopción de escáneres 3D, los métodos de ingeniería inversa para obtener dibujos CAD a partir de objetos físicos se han utilizado cada vez más. Al convertir datos de puntos obtenidos de un escáner 3D en una estructura de malla, generalmente se aplica un proceso de suavizado porque los datos de puntos a menudo contienen mucho ruido. Sin embargo, esto puede resultar en la pérdida de detalles importantes de alta frecuencia, o, en casos donde queda información significativa de alta frecuencia, hay limitaciones para representar el objeto con formas geométricas básicas. En este documento, se propone un método para abordar este problema utilizando mapeo del entorno y técnicas de aprendizaje supervisado. Al mapear el objeto a un entorno y luego usar el aprendizaje supervisado para analizar los datos, se puede identificar con precisión las formas geométricas básicas. Este enfoque reduce el tiempo de trabajo y permite un diseño más fácil de superficies complejas que anteriormente eran difíciles de modelar.