針對(duì)傳統(tǒng)點(diǎn)云簡(jiǎn)化算法效率低且處理點(diǎn)數(shù)少的缺陷，結(jié)合快速成型領(lǐng)域的切片原理顧及特征計(jì)算復(fù)雜度低的特點(diǎn)，設(shè)計(jì)并實(shí)現(xiàn)了適合千萬(wàn)級(jí)海量激光雷達(dá)（ LiDAR）點(diǎn)云的并行切片簡(jiǎn)化算法。該算法根據(jù)切片原理對(duì)點(diǎn)云模型分層并按照角度排序，利用NVIDA的統(tǒng)一計(jì)算設(shè)備架構(gòu)（CUDA）和可編程圖形處理器（GPU）高度并行的性能優(yōu)勢(shì)，使用GPU多線程高效并行地執(zhí)行單層切片點(diǎn)云簡(jiǎn)化，提高了算法效率。最后，應(yīng)用3組不同數(shù)量級(jí)點(diǎn)云模型分別進(jìn)行簡(jiǎn)化對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：在保持模型特征與壓縮比不變的情況下，所提算法效率高出傳統(tǒng)基于CPU的串行切片算法1-2個(gè)量級(jí)。