随着三维激光扫描技术的发展,硬件和软件更新换代,使用成本下降,越来越多的领域因此获得了极大的便利。然而随着精度要求不断提高,点云数据量大,噪声点多等问题日益成为三维激光扫描技术发展的瓶颈。如何快速准确地去除噪声点,精简冗余点云成为研究的热门领域。论文在总结三维激光扫描技术的现状和采集工作流程的基础上,以点云数据精简为主要研究对象,分析了原始数据到符合用户要求过程中的重难点,本文的研究内容和成果如下所示:1.在众多精简算法和模型中,选择了针对点云数据集合本身的四种算法:基于包围盒均匀精简法,基于包围盒k邻域二次曲面拟合法,基于八叉树k邻域二次曲面拟合法和基于八叉树k邻域法向夹角法。通过定性定量比较,对其异同点,精确度、简化度和效率性等指标进行分析,直观的表现出各种精简算法的适用性和优劣性,并提出新问题:(1)对现有方法进行改良,对阈值的选取进行阶梯分化,(2)如何搜索最近点形成k邻域,或者如何规避k邻域的使用。2.根据对比现有精简算法,对两个问题进行了探索,分别提出了解决方法,并从其思路来源,原理,理论模型方面预测了其可行性,且在具体算例中进行了精简演算。此外,还通过控制变量对其进行了与已知方案的横向对比和自身的纵向对比,得到可行化研究结论,展望未来发展趋势,提出见解。