文献综述（或调研报告）：

3D激光扫描技术作为一项越来越成熟的技术，应用于物体空间几何信息的获取时，它具有精度高、非接触、通用性高等特点，但是高精度也决定了其数据结果的庞大性，动辄十几万甚至上百万的点云数据对计算机的储存、运算、传输十分不利，且一定程度上会影响特征点的判断，因此数据压缩成为点云数据预处理的重要工作。近年来，国内外很多学者在这方面作了深入研究，并得出一些有效的点云压缩方法。

有损压缩算法比较典型的有程效军^[5]等人的切片快速压缩算法，其思路为将点云按照X/Y/Z的方向进行分层形成切片点云，然后对每层的切片点云使用弦高差法判断并保留特征点，逐层完成对整个点云的压缩。对分层的点云定义每层的中间位置为该层的投影参考面，并将该层内所有的点投影至该参考面，形成切片点云数据。而弦高差法即计算目标点到与其相邻最近的两个点的之间的连线的垂直距离，并与给定的阈值比较大小，来决定该点是否被视为冗余点删除，或者被视为特征点保留，来保存大曲率信息。

这种算法在一定程度上解决了压缩数据在细节和特征上的损失，但存在以下问题：

（1）难以在算法时间复杂度和压缩率上同时达到令人满意的效果；

（2）弦高差距离阈值和最佳分层数的设定受被处理数据量以及几何体的轮廓特征影响较大，因此通用性方面存在一定的缺陷。

同时，程效军^[4]等人还提出过基于自适应八叉树的点云压缩算法，主要思路是自顶向下地根据点云数据曲率的变化程度决定当前数据是否进行细分，并逐步形成八叉树自适应结构。它按照经验式生成包围盒以达到对点云数据的切分，同时提供空间索引并记录落入包围盒内部的点，来简化下一步邻域搜索的复杂度。采用基于邻接包围盒的搜索方法获取P点邻近的K个点，以点P所在的包围盒 为中心，逐层向外搜索邻接的若干个包围盒，此时节点P的K的邻域各点拟合形成平面的法向量，可以近似表达P处的法向量。最后采用分辨率LOD思想，采用八叉树数据结构对点云进行细节分层，得到多分辨率压缩模型。最后根据各个分辨率下的立方体网格内点的法矢计算每个网格内点的平均法矢，选出每个网格中与平均法矢相差最小的点，删掉该网格中的其它点，最终得到压缩后的点云数据。

这种算法弥补了传统压缩算法在物体表面曲率变化较大，采样不均匀的点云数据处理上的不足，但在八叉树细分阀值上仅能通过经验确定，且邻域拟合平面法向量作为某节点处的法向量的处理方式不够精确，因此在对物体细节和轮廓的还原效果上还有待提升。

同时，上述的方法可归结为点云数据压缩中的有损压缩，包括邢正全^[6]等人的基于栅格划分和法向量估计的点云压缩方法，其优势是在保持物体基本几何结构特征信息点的基础上可以达到较高的压缩率，但无论是用目标点法向量夹角判断，还是用拟合平面内点的平均法矢判断，都在一定程度上破坏了物体的轮廓特征信息，特别是在原物体曲率较大或者原始扫描得到的轮廓信息就不完整的情况，还原效果不近理想。但在很多工程应用实践中，工程人员不希望数据在处理的过程有精度的损失。

在无损压缩方面，王鹏杰^[1]等人提出基于局部最小生成树的点模型快速无损压缩算法，首先将点模型表面切分成多个小面块，生成最小生成树并参照宽度顺序进行编码，同时沿树形结构预测。再将预测值与真实值分解成符号位、指数和尾数分别做差并用算数编码压缩。此方法在精度还原方面和压缩率都相对于之前的方法有优势，但切分算法的层数导致算法时间效率不理想，有待进一步改进。