近年来,点集配准已成为计算机视觉、医学图像分析与处理和模式识别等领域的研究热点。点集配准技术在运动追踪、形状匹配、图像检索和图像匹配等领域具有重要应用。随着计算机辅助技术的快速发展,人们对配准速度、配准精度、配准质量以及点集配准算法鲁棒性等方面提出了更高的要求。因此,本课题针对传统点集配准算法存在的配准速度慢、残差大、配准质量低以及鲁棒性差等一个或几个问题,对2D/3D刚性和非刚性点集配准算法进行研究。首先,针对传统点集配准算法理论基本思想进行研究,深入分析造成传统点集配准算法配准速度慢、残差大、配准质量低等问题的根源,为改进配准算法奠定基础。其次,经过对传统点集配准算法存在的配准速度慢、残差大、配准质量低等问题的分析,提出了一种基于代价函数迭代线性优化的点集配准算法,该算法不仅可以用于刚性点集配准也可用于非刚性点集配准。为了兼顾刚性点集配准和非刚性点集配准,在代价函数的构建过程中综合考虑了点集数据的刚性变换、非刚性弹性变形、复杂变形等形式,构造得到了多种变换形式复合加权的新代价函数。从而解决了传统点集配准算法不能同时满足配准速度快、精度高、抗点集异常变形能力强等要求的难题。最后,通过与基于薄板样条的鲁棒点匹配算法和单一模型动态配准算法进行仿真实验对比,验证本文算法在2D点集配准、3D点集配准以及带有噪声的点集配准三个方面的配准效果。