随着三维扫描与建模技术的发展以及计算机硬件环境的改善,三维模型已经逐渐结合到诸多应用领域中,如:地质研究、文物与遗迹保护、游戏娱乐等。而三维模型的建模与绘制是这些应用的技术基础和关键环节。由于可获取的模型的数据量急剧增大,模型表面的复杂度不断提高,基于采样点的模型表示引起了人们的广泛关注。这种模型表示的最大特点是不需要记录和保存采样点之间的拓扑关系。因此,与传统的三角网格表示相比,这种表示在处理中具有很高的灵活性,特别是在模型的绘制操作中。同时,点模型的数据量很大,一个点模型一般都包含有上百万甚至更多的采样点,因此,如何有效的存储和传输这些点数据是要解决的一个关键问题。在这方面的研究大致有两个方向:基于点的网格重建和基于高效数据结构的点的表示。本文以KD-树为数据结构,根据中点分割KD-树的空间等分特性,提出了各向异性的量化方法。利用该方法对点模型中采样点的坐标值进行重新量化,量化结果被表示成KD-树构造过程中的空间分割方式和结果的编码。该量化方法不仅可以直接降低点模型的几何数据量,而且在保持点模型几何数据的数值精度不变的情况下,降低了采样点数,从而进一步降低了点模型的数据量。另外,通过对KD-树进行广度优先的遍历,实现了KD树的序列化存储,建立了点模型的多分辨率存储结构,并进行了快速有效的数据压缩,实现了点模型的多分辨率绘制。同时该方法也实现了几何模型的点与长方形混合表示,克服了点模型不适用于表示大的平坦区域的缺点。