随着多媒体通信和三维成像技术的发展,三维点云模型得到广泛的应用。三维点云模型由众多点组成,每个点都由位置、颜色,甚至和法向量信息组成,其庞大的数据量使其在存储、实时传输中非常受限,因此三维点云模型的压缩极其必要。本文研究三维点云压缩算法,主要内容和成果如下:(1)提出一种分层除点新算法。将每个模型细分成若干个子薄片,使用角度限差和弦高限差进行非关键点移除,解决了随机采样法、均匀网格法、法矢量夹角法存在的关键点丢失问题。与法矢量夹角法相比,在相同的精简率下提高了保真度,P-PSNR和P-PSNR_y值能够达到35dB左右。(2)提出基于IAAC的混合压缩方法。方法一将IAAC与JPEG 2000相结合,方法二将IAAC与边缘定向预测结合。将三维点云模型投影到二维平面,使用混合方法对点云的颜色数据进行压缩。方法三将IAAC与哈尔小波变换相结合,先对点云的数据进行小波变换,再对变换后的系数采用IAAC方法进行压缩。基于IAAC的混合压缩方法的几种策略中,计算仿真结果表明:方法一和JPEG2000相比压缩率得到了提高,方法一和方法二的PSNR和P-PSNR_y值分别达到30dB;方法三与现有的DWT变换方法相比,P-PSNR略低,但压缩率提高了 10%。