图像配准是图形学的一个重点学科,点集配准技术是图像配准的一个重要分支。目前,点集配准技术在众多行业都展现出强大的活力,是机器人导航、卫星遥感、医学等领域的关键技术之一。如在机器人导航领域,点集配准技术是机器人导航的前提,是机器人在未知环境判断行进路线必要保证;在医学领域,点集配准技术是医疗治疗的辅助手段,在治疗过程中提高病灶定位的准确性。由于点集配准的重要性,在研究传统最近点迭代算法(Iterative Closest Points,ICP)基础上,本文针对裁剪图像和噪声提出相对应的解决算法。本文主要研究内容如下:ICP算法是实现点集配准的优秀算法之一,该算法在刚体点集配准方面取得了良好的效果,是一种被广泛使用的点集配准算法。但是传统ICP算法在选取对应点时只是简单的将两个欧氏距离最近的点最为对应点,这样会造成错误的对应点存在,对于裁剪图像的配准结果表现较差。特征点在图像配准技术中是一个重点研究方向,本文将特征点引入ICP算法中来改进ICP配准算法,研究特征点在ICP算法中实现对裁剪图像的精准配准。图像在拍摄与成像过程中由于各种影响而往往存在各种噪声,引入特征点改进ICP配准算法实现对裁剪图像的精确配准,在无噪声的图像中可以取得良好的结果,但是噪声的存在会对点集配准和特征点配准有巨大的影响。配准时为了解决噪声对于匹配结果的影响,本文采用双向配准的方法来减弱甚至解决噪声的存在。双向配准顾名思义就是两个点集同时进行配准,在实验中同时进行两组实验,在第二组实验中,将第一组中的数据点集和模型点集位置互换进行配准。这样就可以使得噪声点被提取为特征点并且被选为最终匹配点的可能性大大降低,减弱噪声对实验结果的影响,提高有噪声情况下的配准精度。