本文描述的三角网格数据文件与基于边界球数据文件转换系统将表示并逐步压缩这些三角网格。这种表示方法不仅紧凑，而且能被快速的计算出来，它最大的特点是压缩比高，节省了大量的时间和空间，这些使得它能适合大规模的数据集。它的执行程序能够服务于大型的三维数据处理项目。本文已经论证了这个系统是可以转换包含较大数量级多边形模型的。

本文设计框图分两部分：

第一部分：

图像采集设备将采集的物体点云数据以文本形式存放，本设计用软件imageware将数据进行预处理，也就是将点云数据构造成三维网格ply数据文件。

第二部分：

这一部分就是本设计的主要研究工作了，要设计ply数据文件与Qsplat数据文件的转换。

1.对Qsplat数据结构进行设计

2.设计读取ply数据的函数，并将数据存储在与Qsplat相对应的数据节点中

3.将读取得的数据进行处理，使数据符合Qsplat的数据格式

4.建立QS树的算法，并将形成的QS文件输出 

论文的组织结构

在本章中介绍了基于点云的图像研究背景，研究的主要内容，以及目前所做的主要工作。后面将详细介绍各部分研究内容的基本思想、实现细节和实验分析。

论文结构安排如下：

第二章介绍对输入点云数据建立三角网格数据结构。这是点云数据重组织的重要步骤。本设计在这一章介绍ply存储结构，数据结构。用imageware软件处理点云数据，并简要介绍一下ply数据在不同机型之间的存储。最后通过实验分析点云数据和三角化网格数据所形成的图像特点。

第三章主要介绍基于多分辩率的点绘制系统模型(即QSplat)的数据结构，存储结构压缩算法等

第四章是本设计研究的重点章节，也是整个设计中的关键。本章将对PLY和Qsplat数据之间转换算法将详细介绍。并且对两种数据进行数据量，图像对比。

第五章总结了全文，并给出未来工作展望。

本文针对ply数据和Qsplat数据转换方面作了如下的工作：

1.ply数据的获取，本设计是通过运用imageware软件将提取的点云数据重构成三维网格数据，再重构曲面而获得的。在此认识了ply数据的存储结构，文件结构。

2.Qsplat数据结构及量化算法设计，由于Qsplat的数据结构是树型的，所以关键就在于对节点的理解，节点也是树中的叶子，它是Qsplat的最基本单元，携带着Qspalt的数据信息。Qspalt的数据压缩是基于数据结构的，本文提出的量化算法对于数据的压缩是很有效的。

3.ply数据与Qsplat数据转换的具体实现，它包括对Qsplat树节点的设计，ply数据文件的读取设计，建立Qspalt树的算法设计，以及最终的输出算法。本设计通过两种数据的图形绘制比较他们的优缺点。