随着三维点云技术的发展和普及,三维点云图像处理技术在诸多领域中有着广泛的应用。三维点云图像处理技术成为三维扫描测量系统、三维重建、逆向工程、计算机视觉以及机器人导航等领域中的核心部分。由于三维扫描设备无法一次性获得待扫描对象的全部点云图像,因此,通常会将三维扫描设备围绕目标对象移动来进行多次扫描,再将从不同方向获得的点云配准到公共的坐标系,以获取完整的三维模型。这一过程叫做三维点云配准。三维点云配准是三维点云图像处理过程中最为基础和重要的部分,由粗配准和精配准组成,配准效果的好坏直接会影响到三维图像点云在相关领域的应用。目前主流的配准算法中存在着容易陷入局部最小值、在大角度旋转时配准效果差、在大规模点云时配准速度慢以及精度低等问题。因此对三维点云配准技术的研究依然重要且有意义。本文主要针对粗配准中基于几何特征的配准方法进行研究,分析已有算法中的不足和缺陷,主要从配准精度和配准效率方面进行优化。本文的主要工作如下:1.把用于曲面简化的二次误差的概念引入到点云配准中,把二次误差代价作为一种特征,提出了基于二次误差代价的配准算法（Quadric-cost）。根据点的二次误差代价大小,把点进行排序分组,计算每组中心点。这些点形成特征点组,作为配准算法的特征描述信息的统计直方图描述子。二次误差的优点在于其描述的是几何形状信息,这种形状特征具有较为稳固的旋转、仿射不变性,并且能够通过较少量的计算准确定位到对应点。由实验结果表明,本文算法和其他配准算法相比,提高了配准的效率和精度。2.为了进一步提高配准精度以及提高在大尺度旋转中的配准效果,提出了基于高低代价结合的配准方法（Quadric-HLcost）。高代价表示特征,也就是相同模型的高代价点是相对固定的,也不会随着模型简化而大变。低代价点的包围盒也是不会大变的,其中心点也是稳定的。通过计算高代价的点和低代价的点的权重取值,形成特征点组,再计算形成直方图描述子。提出的配准算法在大尺度旋转中以及配准效率、精度上优于流行的算法。综上所述,本文对三维点云的配准问题进行研究,提出了两种配准方法Quadriccost和Quadric-HLcost。实验结果表明,这些方法有效地提高了配准的效率和精度。