随着计算机技术的迅速发展,以及三维激光扫描设备的不断更新换代,三维点云数据获取更加方便快捷,涌现出了大量的三维点云数据。就单个的三维点云模型来说,其数据量也可以达到几万甚至几千万。过于庞大的点云数据不仅对其存储、传输以及显示带来了巨大的挑战,而且还给后期点云建模或者绘制渲染带来不便。由此,三维点云数据简化的技术应运而生。对三维点云数据进行简化,可以推动三维数字影视、三维动漫游戏产业的发展,同时它与三维物体建模、孔洞的修复、三维物体的拼接以及点云的配准等研究可以起到相辅相成的作用。本文针对三维点云数据简化算法进行深入的研究,具体的研究内容概括如下:(1)提出了一种基于灰狼优化的k均值聚类算法。采用灰狼优化算法改进k均值聚类算法,通过α狼、β狼和δ狼前3种等级靠前的优势狼,不断迭代更新候选狼ω狼的位置,继而,反过来不断更新优势狼,最终得到最优的聚类中心。在4类UCI数据集上进行实验,验证了所改进的均值聚类算法的可行性与有效性;(2)提出了一种基于灰狼优化的均值聚类三维点云数据简化算法。利用灰狼优化的均值聚类算法,对三维点云数据进行分类处理,然后再将每一个类簇中的点云数据进行拟合形成曲面,并且针对点云数据中的每一个点,将点的均方根曲率计算出来,继而求解出所有点的均方根曲率的平均值,最后对它们进行比较,以此来删除多余的点,实现三维点云数据简化的目的。将实验得到的结果与其他简化算法的简化结果进行分析比较,总结了所提简化算法的优势与不足;(3)设计开发了点云简化及绘制显示系统。采用Microsoft Visiual C++6.0以及OpenGL和PCL库,实现了三维点云数据的导入导出、三维点云数据的基本操作、三维点云数据的简化操作以及三维点云数据的绘制显示等功能。