建筑业劳动密集型粗放式发展已经不适应时代潮流,建筑智能化技术发展迅速。尤其是近几年来,三维（3D）扫描技术应用于工程项目,受到工程人员和研究人员的广泛关注。在建筑业中,三维激光常用于建筑构部件的质量检测,逆向建模中。三维点云技术对建筑智能化的影响深刻,但在实际的施工扫描数据中难以直接广泛应用,其中一个重要的原因在于:实际生产中的扫描对象往往不是单个建筑构部件,更可能是整个建筑场景。由此扫描得到数据往往数量庞大,噪声庞杂,为数据的存储,处理以及应用带来巨大的困难,极大的限制了点云在实际工作的应用。因此要实现建筑点云数据的实际应用,必要进行3D点云数据的轻量化。本文基于已有的轻量化算法,研究其在大体量数据下的应用局限性与算法的特殊结构,采用分而治之的策略,实现轻量化算法在分治条件下的不变性求解,并基于已有的大数据处理技术搭建点云处理系统,进行相关实验论证。论文的主要工作如下:（1）为解决大体量场景下的点云轻量化,提出一种基于自然邻域的可分解点云轻量化方法。具体而言:首先,基于图信号的特征提取的过程,结合自然邻域点集的基本概念,实现基于自然邻域点集的可分解特征提取算法。其次.基于原始轻量化算法,实现的可分解滤波方法。（2）为保证实现算法的不变性,提出的可分解轻量化框架提供了理论性保证。（3）基于可分解轻量化框架的轻量化方法,根据Map-Reduce的基本原理,实现了一种可分布式化的可分解轻量化框架。（4）为提高应用中的自适应过程,结合ADMM共识的相关原理,基于角点特征和平面特征平衡的轻量化方法,提出一种基于大规模点云轻量化的分布式优化方法,并基于此实现了一种基于MPI的分布式大规模特征平衡点云轻量化框架。