3D重建算法的不断发展及数据采集、处理设备的不断优化,使得3D重建技术在产品外形检测、工业快速成型等领域的应用不断成熟。由3D重建产生的3D数据,随着行业应用需要的增加及数据精密程度的提高,数据量在近几年内出现急剧上升的趋势,对硬件的存储及后期的处理运算提出新的挑战。基于此,本论文从3D数据类型转换及数据量精简两个方面研究3D数据的压缩问题,具体研究内容如下:1.提出基于虚拟正交结构光的3D数据压缩算法,该算法将3D数据映射为一幅2D灰度图像存储,以达到节约数据内存的目的。在数据编码过程中,3D数据通过虚拟正交结构光模型映射为两幅相移差为?2的正弦条纹图,再通过正交的方式形成复合条纹图,从而实现了将3D数据的浮点型数据转化为0到255的整型数据。数据解码时采用频域滤波的方法分离出对应条纹图,计算相位信息进而得到3D数据。与传统虚拟结构光3D数据编码算法相比,正交复合编码的方式有效替代了采用彩色图像三通道(R、G、B)存储条纹图的方法,压缩得到的灰度图像存储量减少2/3。2.提出基于局部复杂特征精简的3D数据压缩算法,该算法首先利用最近邻算法建立K邻域结构,得到点云中任意一点的K个相邻点坐标,然后采用邻域协方差特征描述算子计算点云曲率因子等特征参数,通过特征参数阈值对点云的强特征点进行提取,最后采用长方体栅格法对点云的弱特征点及其非特征点进行二次精简。本文所提算法与传统的包围盒法相比,在曲率大的特征区域较完整地保留了轮廓,与传统的曲率法相比,在曲率小的非特征区域均匀地保留了非特征点。实验结果表明,本文所提算法可以很好的保留3D点云数据的局部复杂特征。对精简后的点云进行三角网格化后,与传统的3D数据精简算法相比,本算法的几何误差最小。通过对大密度点云精简,实验表明随着精简率的增大,所提算法的误差变化较小。