近年来,随着科学技术的不断进步,人们认识世界的方式已经不仅仅满足于二维空间的图形图像,更向着三维空间不断拓展。数字地球、数字城市、数字社区等等名词不断出现在我们的日常生活中,这些都促使着三维点云技术飞速发展。与之相应的三维点云获取设备的精度也越来越高,产生了海量点云数据。而这些海量数据导致点云数据后期处理(如:浏览、拼接、特征提取、表面重建、存储与传输等)对软硬件设备带来更多的压力与挑战。而在普通的PC端,数据浏览及人机交互的过程中容易产生内存消耗严重、处理缓慢等现象。因此,本文针对海量三维点云数据精简与快速浏览中存在的问题,对点云处理技术进行深入分析研究,在相关理论的基础上对点云精简进行算法改进优化,提出基于切片理论的三维散乱点云精简算法;并在点云快速浏览过程中使用改进的视域裁剪算法,提高了点云浏览速度。论文的研究重点如下:(1)在对散乱点云精简算法研究的基础上,提出了基于切片理论的改进的点云精简算法。在进行数据精简工作时,首先将点云数据进行切片;再根据得到的每个点云切片的几何特征,为每一层中的数据点进行排序;最后使用D-P(Douglas-Peuker)算法实现点云精简。对多组数据进行精简实验,结果表明该算法能够产生较好的精简效果。(2)在点云快速浏览方面,分别从四个角度使用四种不同的方法来提高点云数据的浏览速度。它们包括八叉树空间索引方法、内存映射文件技术、视域裁剪技术以及层次细节LOD(Levels of Detail)技术。而且在进行视域裁剪时使用了改进的视域裁剪算法,进一步提高了点云浏览速度。(3)在windows系统中,借助VS开发平台,采用C++编程语言结合开源点云库PCL(Point Cloud Library)及可视化工具包VTK(Visualization Toolkit)完成点云预处理软件PointCloudViewer的代码编写,实现数据文件导入导出、点云显示、点云精简以及浏览漫游等一系列功能,并以多组实测点云模型文件进行实验验证,结果表明文中提出的相关改进算法可以取得较好的实验效果,为后续的点云建模工作做好充分的准备。