随着技术的发展,人们可以用3D设备快速获取真实场景的彩色点云数据,并在建模、仿真、漫游等方面获得广泛应用。但面对高精度,数量庞大的点云数据,如何寻求有效的方法进行压缩,以节省存贮空间,实现点云有效传输和实时的渲染,是目前亟待解决的问题;而对采集、传输、压缩及复原过程中引起的误差和失真,也需要给出一个客观质量评价,以衡量各种数据处理算法性能的优劣。因此,研究彩色点云压缩和质量评价算法,有着重要的理论和实用价值。结合时代性,本论文所研究的点云数据突出两个特点:一、以点格式的点云数据为主,点格式数据的突出优点是获取方法快捷、简单;相对网格型数据而言,可减少网格化过程引起的失真,简化处理过程;二、以彩色点云数据为主,点云不仅要包含位置坐标信息,而且还要包含色彩信息,这样才能更准确、完备表达客观世界。基于此本论文研究对象采用彩色点格式点云数据。本论文以彩色点云的压缩和质量评价为主线,探讨彩色点云噪声外点的移除,基于6D特征的聚类分割,结合聚类分割结果和二维图像处理中的DCT变换,对彩色点云进行高效的压缩;在点云质量评价方面,以主观评价为依据,对点云的客观评价做了探索性研究,主要内容包括:针对扫描点云中包含的离群噪声点,提出了3D统计滤波算法,该算法能够根据全局均值?和标准偏差?,对偏离指定阈值的数据进行处理。通过实验验证,该统计滤波算法能有效滤除噪声外点,且有较好的通用性。提出了基于6D特征的彩色点云聚类分割算法。本文从压缩的目的出发,选取的特征有二:一是数据点的空间（xyz）分布,选用以高斯核函数为主的Mean Shift算法,使分割的聚类中心快速收敛于密度中心;并在这个过程中,引入第二个特征量:色度空间（rgb）的色彩分布,并以色度信息作为约束条件,保障聚类数据中的数据点在色彩特征上也获得最大化的一致。混合聚类分割中用到了三维空间坐标和三维色度空间,合起来称6D特征。实验结果证明,该算法充分考虑了空间密度和色彩特征信息,分割效果较好。在压缩方面,本论文通过对彩色点云数据的降维投影,提出了隐式平面内以DCT变换为基础的高效压缩算法。针对纯点格式的彩色点云数据,首先,利用RANSAC算法对分块数据进行平面方程拟合,并把分块内数据点投影到该隐式平面;其次,对投影后的隐式平面进行最佳包围盒计算,并对包围盒内的数据进行4×4的规整化操作;最后,对规整化的分块点云数据进行二维DCT变换和熵编码。该压缩算法,不仅实现了点云的高效压缩率,而其压缩较快,且压缩质量较好。提出了SCSIM（Structural and Color Similarity）彩色点云质量客观评价算法。目前,关于点云的主客观评价并没有统一的标准。本文以主观评价为依据,结合结构相似性SSIM（Structural Similarity）,提出了SCSIM（Structural and Color Similarity）彩色点云质量客观评价算法。首先,在点云的结构化分区中,以形状显著性参量作为权值,通过原始点云数据和降质点云数据形状直方图的加权,给出结构相似性评价;其次,结合结构化分区内色彩直方图的比对,给出色彩相似度评价;最后,通过结构相似度和彩色相似度的融合,给出客观质量评价结果。实验结果证明SCSIM客观质量评价算法和主观评价结果有较好的一致性。