三维数据作为一种新的数字媒体形式，在近几年引起了人们的广泛关注。在数字化现实世界的过程中，三维数据具有以往二维图像所无法比拟的优势，它可以精确记录物体表面的几何属性、以及物体在空间的三维信息。随着三维扫描与建模技术的提高，以及计算机硬件环境的不断发展，三维模型已经逐渐结合到许多应用领域中，如数字博物馆、虚拟场景浏览、文物与历史遗迹保护、游戏娱乐等。三维模型的交互绘制是实现这些应用的一个基础的、关键的技术环节。 随着可获取模型数据量的飞速增长以及表面复杂度的不断提升，基于采样点的模型表示在近几年的三维数据处理中占据了一定的主导地位。这种模型表示的最大特点是不需要记录和保存采样点间的拓扑关系。因此，与传统的网格处理相比较，这种表示不但可以大大降低模型的存储需求，并且在处理中具有很高的灵活性，特别是在模型的绘制操作中。目前基于采样点的模型绘制研究多关注于如何绘制采样点间的表面区域，从而有效消除点绘制中常出现的漏洞与走样现象，以获取一个完整的、具有较好视觉效果的三维模型。然而，对于大型复杂的三维数据，在应用中的难点问题却是如何保证交互绘制的实时性。因此，对于扫描所获取的无组织大型三维点云数据，我们的研究目标是实现其在一般性能的机器上的实时交互绘制。 基于视点的细节层次控制技术通过视点参数的定义来控制场景中不同细节层次数据的分布，来有效控制当前场景的绘制复杂度与绘制速度；基于内外存调度的数据控制策略则通过将数据的处理空间由内存扩展到整个外存区域，以满足大规模数据在处理中的存储需求。我们将这两种技术有机地融合于大型三维点云数据的交互绘制研究中，并通过数据结构的定义与算法设计保证大型数据在绘制中的实时性要求。该研究工作的主要贡献包括以下几点： 1.直接基于采样点数据建立误差控制下的多分辨率数据结构。三维模型的多分辨率控制研究多以网格数据为基础，而我们需要建立直接基于点云数据的多分辨率结构。对输入的无组织点云数据，我们通过层次聚类与局部拟合，可获取误差控制下的多分辨率数据结构(不同分辨率对应不同的细节层次)。此外，通过对细节层次数据的再组织，我们将全局搜索局部化，以实现对指定细节数据的快速检索。 2.人类视觉机制在三维数据绘制中的应用。基于视觉机制的绘制算法可以在保证视觉效果的前提下降低场景中视觉不敏感区域的显示分辨率，通过大量减少当前场景所需的绘制数据来提高速度。在大型三维点云模型的交互绘制中，我们通过“中心凹区域”的定义来控制用户感兴趣区域的交互绘制，并通过调整相关参数来模拟视点变化和运动。此外，我们尝试在实验中引入双目眼动跟踪设备，通过获取用户真实视点的精确信息来测试交互绘制算法的有效性。相对于网格数据而言，基于视觉机制的点绘制算法在实时性方面具有更大的优势。 3.基于分块处理的大型点云模型的绘制算法。由于点云数据不保存采样点间的连接关系，因此，大型点云数据中的检索操作是一个难点问题。我们首先将输入数据分成若干块，分别建立各块点云对应的多分辨率数据结构，并定义块间的对应关系。随后，对所获取的多分辨率数据进行内外存的数据分配，并建立对应的索引/查找表。在交互绘制中，基于视点的内外存调度算法可保证在一般性能机器上的实时性绘制。 4.基于点云绘制算法的流传输模式。我们以“轮廓数据”和“指定细节”作为流传输模式的基本框架。在传输刚开始，根据当前硬件配置与应用需求确定某一指定误差控制下的低分辨率模型，作为输入模型的轮廓数据。用户可以对这个轮廓信息进行浏览，然后选择某个区域，即指定细节，要求进一步传输。在这个过程中，用户可通过参数来调整当前感兴趣区域、场景的浏览方式和数据的存储方式。此外，根据视点运动的连续性，我们可以部分消除相邻视区域间的冗余信息。 以点要素作为三维模型的一种表示元素是目前三维数据处理中的热点。在网格生成不是必须前提的模型绘制中，基于点的绘制算法具有速度快、处理便捷的明显优势。而相对于目前所提出的绘制技术，我们的算法更侧重于大型模型在一般性能机器的交互绘制。通过对庞大点云数据的有效再组织，我们可以实现在保证一定视觉效果条件下的实时绘制。在此基础上定义的流传输模式，可以进一步拓宽点绘制算法的应用领域。