激光雷达技术由于其全天候、非接触的特点,给现实场景三维空间数据获取提供了可靠的数据源。其中车载点云数据可连续、快速的获取城区、道路的高精度、高密度的三维坐标,逐渐成为城区规划、城市三维重建等工作的重要数据获取手段。因此,基于车载点云数据的三维目标检测、提取、分类工作也受到了测绘、计算机图形等众多领域学者的重视,并取得不俗的成果,为后续的点云应用提供了有力的技术支持。然而,数据获取方便快捷的同时,带来的问题是海量的点云数据量,在经过目标检测后得到分类数据中点密度往往远远大于实际所需,存在大量的冗余。因此,本文重点分析了车载场景中人工地物点云与树木点云的数据特征,并在此基础上分别对人工地物及树木点云进行了压缩研究。具体研究内容如下:(1)针对形状较为规则的人工地物,如建筑物、车辆、道路、路灯等,的点云数据,提出了顾及几何形态与密度分布的人工地物点云压缩方法。方法分析了高斯平滑前后原始点与预测点之间产生位移的因素:平坦度变化分量与密度变化分量,并利用两分量的加权和来代替传统曲率、法向量等曲面变化度量,对点重要度进行排序,有效的抑制了由于扫描方向及地物朝向引起的点重要度过高估计,同时在迭代压缩过程中,考虑删除点对局部点集的影响。经实验验证,本文所提的人工地物压缩方法能够适应多种人工目标。(2)针对无规则表面的树木点云,提出了基于环境光遮蔽的树木点云压缩方法。首先通过PCA算法寻找树木点云对应的扫描仪扫描方向,之后结合扫描方向与道路数据对环境光方向球进行二分,获取树木对应的光线方向半球。最后沿光线方向,对树木点云进行正射投影的遮蔽计算,获取点云中每点的可见度,以此可见度对点进行重要度排序,通过删除重要度较低点,达到树木点云的压缩。(3)结合车载点云数据特点,从经检测、提取、分类后的点云数据应用角度出发,分别对建筑物、车辆等人工地物压缩后点云数据及树木压缩后点云进行质量评价。在人工地物压缩结果评价方面,以原始点云到压缩后点云面片的距离为准则对压缩后点云数据进行质量评价。在树木点云压缩结果评价方面,从后续树木点云三维建模、林业应用等方面所需的树木参数入手,对比压缩前后树木参数变化来对树木点云压缩质量进行评价。