采用python语言编程实现，激光点云K邻域、球邻域和柱形邻域，三种领域的快速搜索，并附有实例

一次性求取平均距离、方差 标准差 在调试菜单输入文件地址

针对大数据环境下, 三维模型的传输和存储需求, 提出了一种基于八叉树的三维点云有损压缩算法。该算法改进了八叉树分割的停止条件, 可以在适当的深度停止分割并确保体素大小合适。同时在分割的基础上通过建立K邻域, 利用简单有效的统计方法去除原始点云的离群点。在数据结构上, 对每个节点分配位掩码, 通过操纵位掩码, 在遍历时对数据查询和操作, 并优化随后的点位置编码。该算法可以有效地移除离群点和表面杂点, 并在区间编码上提高了点云压缩效率。实验结果表明, 该算法较完整地保留了三维点云数据的关键信息, 取得了良好的压缩率并缩短了压缩时间。