近年来,基于各种数据采集设备生成逼真的三维数字化模型已成为获取物体表面信息的主要手段之一,广泛应用于测量学、计算机视觉、计算机图形学、考古学等领域。现代科技的进步使三维激光扫描硬件设备快速的发展,而相应数据处理技术的发展却相对较慢,成为制约三维激光扫描技术进一步发展的瓶颈,尤其是针对海量点云数据后期的存储、处理、传输和进一步的数据应用。因此,发展激光点云数据处理理论及方法已成为目前学术界研究的热点。本文详细介绍了三维激光扫描技术及点云数据获取与处理的方法,并对点云数据压缩及曲面建模算法进行了深入研究,具体研究工作总结如下:首先,针对三维激光扫描设备采集的点云数据密度大、冗余信息多,现有点云数据压缩算法存在不足的问题,将坐标增量法中一维扫描线逐点压缩扩展到二维扫描线与扫描线间点云数据的压缩,提出了改进坐标增量的点云数据压缩算法,并通过实例,借助Matlab编程,将该算法的压缩效果与坐标增量法、曲率采样法、区域重心法和随机采样法等现有算法的压缩效果比较发现,对于按行列存储的平面或曲面点云数据,该算法具有较好的压缩效果。然后,结合定性与定量的方法从精度、简度、速度及算法通用性等方面对现有算法与改进算法的压缩结果进行了对比分析,验证了改进压缩算法的可行性。并基于Geomagic Studio软件对压缩前后的点云数据进行建模,从表面积变化比和3D标准偏差等方面对本文提出的压缩算法的压缩效果进行了分析,进一步验证了该算法的保真效果与可靠性。最后,针对曲面建模,主要研究了区域生长法、B样条曲面拟合算法、反向传输神经网络法等典型的曲面拟合方法,并总结分析了现有曲面拟合方法中存在的局限性,然后基于Cyclone和Geomagic Studio软件等重建了大雁塔和卢沟桥上石狮子的三维模型,并对重建过程中的不足之处进行了分析。从而为大数据时代下海量点云数据的传输、存储、管理与分析显示提供了一定的参考。