三维点云地图在石油钻探、矿难救援、虚拟现实、三维环境下目标识别、机器人导航定位领域得到了广泛地应用。应用基于飞行时间法（Time-Of-Flight，TOF）的摄相机构建三维点云地图技术是当前国外研究的热点之一。然而此类摄相机采集的灰度图像存在畸变，深度数据存在误差，将影响三维点云地图的构建精度。同时构建三维点云地图需要合适的拼接算法，然而经典的迭代最近点（the Iterative ClosestPoint，ICP）拼接算法存在计算速度慢、易陷入局部极小点等问题，针对这一情况本文结合TOF摄相机的特点进行了相关研究。针对该项技术的应用特点，为提高三维点云地图的精度，本文首先针对摄相机拍摄的灰度图片存在的畸变采用张正友标定法进行标定与矫正。并根据温度、曝光时间、系统误差、混合像素等影响距离数据精度的因素分别进行实验和数据分析，提出误差补偿方法。然后对标定补偿后的点云数据进行拼接，同时研究了基于特征点匹配的拼接算法和ICP拼接算法。基于特征点匹配的拼接算法主要过程为提取相邻两帧灰度图像的特征点，将特征点进行匹配形成匹配集合，将匹配集合中误匹配的点对应用多种滤除方法进行滤除，利用过滤后的匹配集合计算相对位姿变换矩阵，进而用于两帧点云的拼接。对ICP算法应用kdtree搜索和体素栅格法降采样进行了效率方面的改进，利用特征点匹配算法为ICP赋初值避免ICP陷入局部极小点。通过标定补偿补偿前后的对比实验验证标定补偿的作用，通过两帧数据拼接实验比较两种拼接算法误差情况，采取改进的ICP算法来确定相对位姿变换矩阵，进行多帧数据的拼接，衡量平均累积误差的大小，最后完成三维点云地图构建。