点云数据处理是信息技术领域的重要研究方向,广泛应用于地形测量、文物保护、三维重建、城市规划、工程测量、医疗卫生等领域。随着点云获取技术的高速发展和应用领域的快速拓展,如何为海量的三维点云建立高效的空间索引,实现更加快速准确的点云数据可视化已成为一个研究热点。目前的空间索引对空间的划分都是基于空间规律性和轴对齐包围盒的,与点云空间分布的非均匀性和不规则性不符,无法准确表达点云本身的空间结构。同时,海量的点云数据也对传统可视化方法的性能提出了新的挑战。针对目前点云的组织索引及可视化方面存在的问题,本文在对点云获取技术的研究基础之上,着重研究了三维点云数据的组织管理方式,分析了目前常用于点云数据的索引算法,提出了基于三维点云空间分布特征的多级索引结构,以提高数据查询的效率。在此基础上,建立了基于空间加速泊松圆盘采样的多分辨率LOD模型,利用可见性判断及剔除技术、LOD的选择及判断等技术,实现快速高效的点云可视化。本文的研究工作具体如下:（1）研究了三维点云数据的获取技术,整理了三维激光扫描技术和摄影测量技术的原理和类别,总结和分析了不同点云获取技术的特点及应用场景。（2）研究了三维点云数据的组织索引算法,对常见的三维点云数据空间索引算法进行了分析与总结,提出了一种方向八叉树的空间划分方法,并进一步使用KD树对方向八叉树的叶子节点进行二次组织构建,形成基于三维点云空间分布特征的多级索引结构,提高了点云查询的效率。实验结果表明方向八叉树能有效减少节点总数和冗余节点数量,将空间利用率提高了5%;本文的多级索引结构与其他索引结构相比,构建索引消耗的时间较低,占用的内存较少,并且平均邻域搜索效率提高了18%,充分验证了方向八叉树和KD树的组合嵌套结构可以有效划分海量点云数据,实现点云数据的高效检索,对点云数据进行有效管理。（3）研究了多层次细节（LOD）技术及蓝噪声采样算法,提出了基于空间加速泊松圆盘采样的多分辨率LOD模型,综合运用了视域剔除、LOD选择与判断等技术,降低了点云绘制的计算量,加快了点云可视化的速度。实验结果表明,空间加速的泊松圆盘采样方法获得的采样点分布均匀,能够很好的保留点云的带状特征,相较于原始的泊松圆盘采样方法,采样效率提高了65.71%,结合LOD技术,解决了点云数据绘制及漫游时,数据调度较慢的问题。