三维点云的日渐普及引发了学术界和工业界的广泛关注,但是随着实际应用中精度要求的提升,如何减轻传输或存储的负担成为了一大研究热点。因此,本文针对静态点云几何信息、静态点云属性信息和动态点云进行了深入研究,主要内容如下:针对非均匀点云几何压缩难以权衡压缩质量和压缩时间这一问题,提出了一种结合三角形组逼近和密度阈值的三维静态点云几何信息压缩方法。首先,使用八叉树重新组织点云数据;其次,在每一个非空体素内,利用对应的点云分布选择出三角形组的顶点;再次,排序体素内的顶点以明确三角形组之间的关联;然后,指定密度阈值,并在此基础上构建一组射线,而射线与三角形组的交点被称为细分点;最后,顶点和细分点被输出。采用dragon、horse、skull、dog、radome和PCB点云数据,对改进区域重心法、Geomagic Studio 12的基于曲率压缩法、改进曲率分级法、K近邻长方体法和所提方法进行对比实验,实验结果表明,所提方法能在预期的时间内保留更多的特征和维持更高的精度。针对区域自适应分层转换（RAHT）点云属性压缩方法转换顺序固定这一问题,提出了一种基于局部表面方向的三维静态点云属性信息压缩方法。首先,利用Morton码的局部相邻性构建一个层结构;其次,遍历层结构的每一个块,并凭借法向量判断适应于块的转换顺序;然后,执行基于块的自适应RAHT转换,所得直流系数传入下一层,交流系数暂不处理;最后,所有的系数都被量化和熵编码。采用Redandblack、Soldier、Longdress、Loot、Ricardo和Phil点云,对原始RAHT、转换层数为1的所提方法和转换层数为2的所提方法进行对比实验。实验结果表明,所提方法依靠表面方向优化转换顺序对属性压缩结果有很大的性能提升,所得结果明显优于原始的RAHT方法。针对基于视频的动态点云压缩解决方案（V-PCC）在细化模块上存在计算冗余,提出了一种基于曲率分级细化的三维动态点云压缩方法。首先,体素化点云的几何空间,降低邻域搜索的复杂度;其次,将体素分为两类:高曲率体素和低曲率体素,同时为高曲率体素设定一个长搜索半径,而低曲率体素设定一个短搜索半径;再次,分层执行邻域搜索,并将结果储存到邻域信息向量中;然后,遍历每个点,并将其聚类到最终分数最高的平面上;最后,重复上述步骤以提高细化的精度,次数由用户指定。分别用Redandblack、Soldier、Longdress、Loot、Ricardo和Phil连续的32帧动态序列,对不同体素尺寸下的V-PCC和所提方法进行比较。实验结果表明,所提方法可以在不损失压缩质量的前提下,显著提高V-PCC的运行速度,节约时间成本,更有利于嵌入实时性要求高的沉浸式系统。