为了提高泊松表面重建算法效率并改善重建结果细节表现，采用一种基于混合树的点云搜索方法，平衡了八叉树和二叉树技术关于时间复杂度和空间复杂度的冲突; 并在点云搜索阶段通过引入多个能量项对点云进行密度评估与滤波等，针对点云稀疏部分进行自适应的点云稠密化以保证重建模型的细节与准确度。结果表明，混合树重建算法与泊松表面重建算法及屏蔽泊松算法相比，速度分别平均提升了33%和15%，且能更好地保持重建模型的细节，误差最小。该研究为点云的表面重建提供了参考。

针对X射线扫描得到的工业CT图像重建三角网格模型存在尖锐特征丢失、狭长三角形和三角面片数量多等问题，提出一种自适应三维网格模型重建算法。首先对图像进行预处理；其次采用八叉树结构确定体元；然后利用二次误差函数（QEF）构建自适应八叉树；最后剖分四边形生成三角网格。使用立方体数据和两组实际扫描的CT数据对所提算法的性能进行验证分析，实验结果表明：所提算法在简化网格的同时仍能保持物体的尖锐特征，减少了狭长三角形的数量。利用所提算法生成三角网格模型的简化率可达90%，简化后网格质量大于0.3的三角网格平均占比为99%，有效地提高了由工业CT图像重建三角网格模型的质量。

针对点云精简算法提取特征时较为依赖传统参数、特征提取不全面和特征边界易丢失等问题，提出一种使用冯·米塞斯（vMF）分布提取特征的点云精简方法。该方法首先利用邻域重心点构建向量，通过与法向之间的夹角关系设置阈值划分曲面，降低噪声对细节特征的影响；然后利用冯·米塞斯分布提取曲面点的优先度，实现全局特征提取；最后基于特征进行八叉树分级精简。实验结果表明：所提方法可有效提取细节特征，相比于基于曲率、Hausdorff距离的方法所提取到的特征，有着更好的特征提取效果；利用基于曲率、栅格、随机的精简算法与所提方法进行关于重建结果、3D偏差、定量分析的对比，证明所提精简方法效果更优。所提方法为点云特征提取和精简提供一种新的思路。

针对传统视觉同时定位与地图构建（vSLAM）系统在动态场景中无法有效去除运动物体及缺少可用于更高层应用的语义地图等问题，提出了一种可有效去除动态物体并构建表征室内静态环境的语义八叉树地图的vSLAM系统方法。首先，使用Fast-SCNN作为语义分割网络提取图像的语义信息，同时，利用金字塔光流法对特征点进行跟踪匹配。然后，使用步进随机抽样一致算法（Multi-stage RANSAC）通过多次执行不同尺度的RANSAC流程对特征点进行步进采样，再利用对极几何约束并结合Fast-SCNN提取的语义信息进行视觉里程计动态特征点剔除。最后，通过体素滤波降低点云冗余后构建纯静态环境的语义八叉树地图。实验结果表明：所提方法在公用数据集TUM RGB-D的8个RGB-D高动态序列中测试的相机相对位移误差、相对旋转误差和全局轨迹误差相较于ORB-SLAM2系统有94%以上的提升，全局轨迹误差仅为0.1 m；相较于同类DS-SLAM系统，动点剔除总耗时有21%的缩减。建图性能方面，经体素滤波后构建的语义点云地图与语义八叉树地图分别占据9.6 MB、685 kB的存储空间，相较于17 MB的原始点云，语义八叉树地图仅占用其4%的存储空间并因含有语义可用于更高层次的智能交互任务。

针对无人机机载系统计算能力有限这一关键问题, 提出一种基于即时八叉树地图的室内自主探索航迹规划方法。首先利用RGB-D相机得到的深度图为输入, 实时构建八叉树地图, 同时实时扫描无人机当前视野内的八叉树地图进行场景识别, 以自主识别的场景为基础, 针对性地设计了在不同场景下规划下一目标点时所用的方法, 有效降低了机载系统的计算量, 实现了室内未知环境的自主探索。仿真实验结果表明, 该方法可行性高且在计算复杂度方面具有一定优势。

针对传统点云匹配算法的局限性造成的点云匹配时间、效率低的问题, 本文对传统算法在点云配准中进行了研究, 有效改进了传统算法的局限性。本文搭建了双目视觉平台, 并对其进行了参数校正以获取更高精度的点云数据, 采用了八叉树算法对获取的数据进行了拓扑关系的建立, 然后利用八叉树改进的ICP配准算法进行精确配准, 并使用测得的数据进行了验证实例, 结果表明, 此方法能够有效提高精度和效率。

以点云数据为研究对象,提出了一种结合K维(KD)树空间切分思想的类八叉树混合点云索引结构,实现了对海量点云的高效管理。对于点云所在空间,首先利用KD树思想进行初步分割,再对所得的子空间利用八叉树做进一步切分,建立类八叉树索引结构。并对传统线性八叉树编码进行改进,利用优化后的编码方式对空间进行编码,以实现更好地空间管理和邻域搜索。最后,以5组数量级递增的点云集为测试数据,通过实验结果和对比分析可知,类八叉树能够使数据组织的整体结构趋于合理,有效地提高了存取效率,降低了内存空间的占用;提升了传统KD树构造索引的速度,也改善了传统八叉树对空间占用过大、邻域搜索耗时过长的问题,实现了对海量点云空间的合理管理。

为了提高激光扫描数据的后处理速度和显示效率,采用了并行化阈值分割构建八叉树结构、对海量点云进行分块处理的方法。基于高差的数据抽稀方法,逐层精简八叉树叶节点中的数据,保存在八叉树外存结构中,构建点云多分辨率细节层次模型。采用视点变化与分页数据库结合的内外存调度策略,对一组电力巡线直升机获取的激光扫描点云数据进行实验验证。结果表明,该方法在八叉树构建速度和海量点云数据显示效率上的优越性,可以很好地满足电力巡线的时效性需求。

针对现有结构直线段提取方法存在的效率低下或准确程度不足等问题,提出了一种基于体素生长的点云结构直线段高效提取方法。首先,对点云进行体素化剖分与平面分割,并以体素为单位进行邻域判断,实现对结构直线段分布区域的筛选;然后,采用基于体素的区域生长对结构直线段的分布区域进行分割;最后,依据结构线段分布区域的范围以及其所在平面的数学方程实现其提取和优化,并进行精度评定。进行了实验测试,利用多组点云数据验证了本方法的有效性,利用对比实验验证了本方法的精度和高效性。实验结果显示:相比现有方法,该方法在效率上提高了10倍以上,在精度上提高了0.25倍左右,证明提出的方法可以准确高效地得到较为理想的点云结构直线段提取结果。

通过应用线性八叉树将心脏三维模型离散成体素以快速提取并显示局部任意感兴趣血管，把三维模型离散成体素后，利用多边形交互区域选择感兴趣体积内部体素。根据26-邻接体素的拓扑关系和体素互信息相似度比较结果，最终确定最佳深度和最佳互信息阈值分别为14和-1.375，以此来寻找感兴趣体积中同一组织的体素集合。最终实现了三维医学影像中任意感兴趣血管的精确显示，该技术可被视为用一个提取工具将任意局部三维模型进行提取并进行四维动态显示的过程。实验结果表明：与C-V三维分割算法精度90.1%相比，本分割算法平均精确度达到96.02%；运行时间从13.8 s缩短为10.7 s；四维播放帧数最大40 FPS,基本满足了血管三维分割的临床需求。该算法不仅可以快速地分析局部病灶的生理学特点和病理特征，而且让医生更加直观、便利地观察病人心脏任意局部血管的实际运动状况，以便做出临床决策。