三维点云配准是计算机视觉领域中的一个基础而又关键问题。目前点云配准技术中存在以下两个挑战,首先在点云数据尺度不同时现有的方法难以得到一个较好的配准结果,其次单纯的利用特征描述符相似性作为匹配度量时会存在大量错误匹配。针对现有算法的不足,本文对多尺度点云的配准技术进行了深入的研究。其主要创新工作如下:针对源点云和目标点云数据尺度不一致时难以估计尺度因子的问题,本文提出一种构建多尺度空间来估计尺度因子的算法。本算法首先在曲率场中提取尺度特征,随后提出了一种基于曲率的点云分割算法,并构建曲率法线等几何信息的特征直方图。最后我们为待配准的点云构建了多尺度空间,估计出待配准的两个点云相差的尺度因子。针对点云配准中特征描述子的自相似性导致的错误匹配问题,利用拓扑结构信息推理出特征点之间的最佳匹配。首先利用点云块之间的邻接关系构建了拓扑结构,同时引入有向图和可达矩阵将点云分成若干个子结构。其次利用点云块之间特征描述符的相似性以及拓扑结构关系进行局部优化匹配。最后引入二部图,使用图论中的匹配原理进行全局优化匹配。消除了由于特征描述符自相似造成的误匹配。实验表明本文的方法能够较好的建立不同尺度点云之间的匹配关系。