由于三维激光扫描仪获取的点云数据体积大且存在大量冗余，在后期处理时会占用计算机大量的空间和时间成本，因此需要对点云数据进行简化预处理。针对散乱点云数据模型，在保留关键几何特征的前提下，提出了一种层次化的点云简化算法。首先，构造点云模型的长方体包围盒，并将包围盒划分成若干个小立方体栅格，使得每个点都包含在栅格中；然后，计算每一个栅格中各个点的权值，通过对比权值与权阈值来确定该点是否保留，从而删除噪声点，实现点云初始简化；最后，采用基于曲率分级的简化算法实现点云精简化。对公共点云数据模型和文物点云数据模型进行了简化实验，实验结果表明，与随机采样法、均匀网格法及法矢夹角法等算法相比，所提算法具备较好的几何特征保持性能，可以达到较好的点云简化效果，是一种有效的点云简化算法。

通过三维激光扫描仪获取的原始点云数据量庞大,不利于后期的数据处理工作。现有的基于曲率值的点云压缩方法容易引起亚特征区域细节丢失的问题。针对这一问题,提出了一种基于曲率分级的点云数据压缩方法。该方法通过计算曲率反映点云数据中特征的分布情况,采用对数函数对归一化后的曲率值进行分级,对不同等级的点进行空间网格划分后根据点的曲率等级实现点云的分级压缩。实验结果表明,所提方法能在大幅度减少数据量的同时,较好地保留原始数据的细节特征,从而实现对点云数据的高效压缩。