移动机器人是机器人学中的一个重要分支。移动机器人的发展方向是智能化和自主化。作为一个智能实体,一般需要具有感知、推理决策和执行等几个基本功能,而激光雷达在机器人上的应用就是感知能力的扩展。本文对移动机器人利用激光雷达扫描的点云数据的配准重建算法进行了深入细致的研究,由于这些三维数据是在不同坐标系下获得,使得物体和环境模型的重建具有很大挑战性。在对环境或物体扫描数据的重建时,经常使用最近迭代算法(ICP)进行数据配准,但是大量点云数据使得它的配准效率低,且易于发生特征点错位。本文提出了一个基于三个标定特征点初始配准的ICP算法,该算法是在ICP算法基础上的一种改进。实验证明改进后的ICP算法能够提高配准速度,降低了配准的误差率且不易陷入局部最小。本论文的主要工作内容包括:第一,阐述点云三维建模数据处理的主要过程及各个过程的相关技术。第二,基于实物的特征点主要体现在边界轮廓线和表面棱线等跳跃度比较大的边缘、凹凸等位置,利用离散点求导和求极值的方法,提取扫描点云的特征点集,在特征点集中确定三个最有代表性的极值点,作为后面初始配准的基准点。第三,提出基于三个标定特征点初始配准的ICP算法,它对经典的ICP算法进行了改进,并对两种算法的配准结果进行了比较和分析。首先对二维点云数据进行配准研究,在此基础上,进一步对三维点云数据都进行配准和分析。在基于三个标定特征点初始配准的ICP算法中,利用三个最有代表性的特征点对点云进行初始配准,再应用ICP算法进行精确配准。在配准期间,通过kd-tree邻域搜索算法来提高搜索的速度。改进后的ICP算法提高了配准的准确率和配准的速度。一个误差性评估模型被用来实现对配准效果进行了分析。本文最后利用Crust算法实现了点云数据的三角网格化建模。