针对非均匀采集点云数据压缩中压缩精度和压缩时间较难权衡的问题，提出一种结合密度阈值和三角形组逼近的压缩方法，并且用八叉树划分得到的非空体素来设置密度阈值以构造三角形组，实现点云表面模拟。首先，根据体素内点的分布确定三角形组的顶点；接着，排序顶点以生成每个三角形；最后，引入密度阈值来构造平行于坐标轴的射线，根据射线与三角形的交点来生成不同密度区域上的细分点。采用dragon、horse、skull、radome、dog和PCB点云数据，对改进区域重心法、曲率压缩法、改进曲率分级法、 K近邻长方体法和所提方法进行对比实验。实验结果表明，在相同体素尺寸下，所提方法的特征表达效果优于改进区域重心法；在压缩率接近的情况下，所提方法在时间效率上优于曲率压缩法、改进曲率分级法、 K近邻长方体法；在压缩精度上，所提方法所建模型最大偏差、标准偏差和表面积变化率皆低于改进区域重心法、曲率压缩法、改进曲率分级法和 K近邻长方体法所建模型。实验结果表明，所提方法在较好地保留特征信息的同时，可在较短的耗时下对点云实现有效压缩。