随着无线传感器网络和生物医疗技术的发展和进步,无线体域网日渐成为人们研究的热点。无线体域网是由测量人体各种生理数据的微型传感器组成的传感器网络,这种技术满足了人们日益增强的健康防护的要求。无线体域网要求把传感器架设在人体模型上,人体是无线体域网研究中的主体部分。出于安全性和方便可操作性方面的考量,经常使用三维人体点云模型替代真实的人体模型来完成相关研究。然而,随着三维扫描技术的不断发展以及扫描的精度不断提高,获取到的三维人体点云模型数据量越来越大,这给数据存储和传输过程带来了不小的困难,影响了其在体域网中的应用。近年来,压缩感知作为一种新的信号采样压缩理论,引起了科学界的极大兴趣。压缩感知理论指出如果信号满足稀疏性或在某一变换域下稀疏,则可以通过非线性采样的方法对其进行压缩传感,然后通过求解一个优化问题对原始信号进行高概率重建。压缩感知理论颠覆了传统的采样定律,给信号采集压缩领域带来了新的革命,它将信号的采集和压缩同时进行,完成了信号到信息的转换。本文将压缩感知理论应用于三维人体点云的压缩与重建中,首先阐述了三维人体点云的概念以及点云的采集和预处理过程。由于对点云数据建立有效的拓扑关系对后续的精简和重构过程非常重要,这将影响算法执行的时间,本文继续研究了点云数据建立拓扑关系的几种算法,并对其原理和优缺点进行了讨论。阐述了点云精简和曲面重构的常用方法,并对三维人体模型进行了精简。然后用分块稀疏化的方法对三维人体点云进行了稀疏化处理,使其满足了压缩感知的基本条件。最后使用正交匹配追踪算法对经过高斯随机矩阵采样压缩后的点云模型进行了恢复,最终实验重建效果良好,证实了该算法的有效性和可行性。