三维激光扫描技术是20世纪90年代中期出现的一项高新技术,是继GPS之后的又一项测绘技术新突破。通过高速激光扫描测量的方法,大面积、高分辨率地快速获取被测对象表面的三维坐标数据,为建立物体的三维实体模型提供了一种全新的技术手段。随着三维激光扫描系统的扫描速度及精度的不断提高,使得快速高精度获取目标区域的海量点云数据成为可能,但在很多情况下,并不需要利用高密度的海量点云数据来表达实体模型,而且采用海量点云数据还会直接影响点云的处理效率、特征的有效判断以及模型的构建质量等。因此,在实际应用中会在点云模型表达的精细度与处理效率方面找到恰当的平衡。即根据不同的应用需求从原始数据中抽取出足够表达模型特征的有用信息,这就是海量点云数据的压缩。目前,针对点云数据的压缩方法很多,获得的成果也非常丰富。有基于格网的压缩方法、直接基于点云的压缩方法等,但在压缩算法的效果评价和算法的优劣性上仍然存在不足。针对上述问题,本文采用MATLAB作为编程平台对几种常用的压缩算法进行了实现,并分析和比较了算法的优劣,在此基础上提出新的压缩算法,主要完成了以下几个方面的研究:1.研究了三维激光扫描系统的分类、基本工作原理以及点云数据处理的流程。2.研究了点云数据的空间划分方法。包括K邻域搜索与点云数据的法矢量估计,为后续的点云精简算法做好基础准备工作。3.重点研究了点云数据的精简压缩算法,实现了随机采样法、包围盒重心法、最短距离采样法与法矢量夹角法四种压缩算法。并采用斯坦福bunny点云数据对四种算法进行压缩试验,利用压缩后的点云数据建立三维模型,并对其分别从表面积、体积、标准偏差三个参数进行评估,分析和比较四种算法的优缺点。4.对最短距离采样法进行了改进,结合点云数据的曲率特性,提出了一种新的算法,即曲率-最短距离采样法。该算法将点云数据依据曲率划分为高曲率部分和低曲率部分,并通过不同的距离阈值对点云数据进行压缩。5.采用斯坦福bunny点云数据对曲率-最短距离算法进行压缩试验并对其结果进行质量评估。根据质量评估结果,新算法相比于上述的四种压缩算法,在相同的压缩比条件下,压缩精度更高。同时,该算法还具有参数设置简单,运行效率高的优势,具有很好的实用价值。