随着三维测量和硬件扫描设备的不断发展以及一些新的测量技术的出现,人们对于三维几何建模技术的要求越来越高,因其获取的数据量较大,为后续的处理过程造成了很大困难,在保证被测对象后续处理环节所需关键几何形状特征信息的条件下,如何对点云数据进行最大程度的精简处理,对于准确、快速和高效地进行后续处理显得非常重要。本课题突破常用的点云精简方法,运用包围盒和最大信息相似性误差测度的方法,可以在最大限度精简点云的基础上较好的保持物体的几何特征。首先,针对传统的点云精简方法展开研究,根据传统的点云精简方法效率低、效果差等问题的分析,将包围盒运用到点云分块中,大大减少了点云搜索邻域点的时间。其次,建立用于定量描述采样点微分几何相似性的模型,以信息相似性最大为原则构建每组收缩点和信息相似性加权二次误差测度,并通过该误差测度最小化实现每组有效收缩点最优坐标的求解,信息相似性的提出,为模型特征曲线的精确、快速重建提供保障。进一步,突破把采样点对收缩为一点的思想,运用最大信息相似性的方法将三个采样点组合成一组有效点,在保持物体几何特征的情况下,有效地提高了收缩的效率。最后,通过包围盒法和本文算法的实验仿真,验证了本文方法的高效性。将三维扫描仪获取的点云数据,运用采样误差的方法来比较精简之后模型的平均误差(AEV)和最大误差(MEV),并将精简后的点云进行重建,证明本算法在保特征性方面具有的突出优势。