近年来,随着科学技术的不断发展,如何高效地对真实世界进行虚拟重现,如何将真实物体进行三维建模,对于建立数字化、可视化社会有着重要的意义,相关技术也成为当前国内外学者研究的热点。激光三维扫描技术在三维重建方面发挥着重要的作用,在逆向工程、工业测量等领域,通过激光三维扫描技术快速获取被测物体的三维信息,经过相关技术处理可以重现物体三维模型,从而可以清楚的描述物体的属性,为进一步研究和使用被测物体奠定基础。其技术主要集中在数据的预处理及数据配准方面,目前各种数据预处理技术已经发展的很成熟,而在配准技术方面,如何提高数据的配准速度和配准精度,仍然是研究热点。通过三维扫描技术可以获取大量的物体三维数据,由于这些数据通过扫描而得,因此其分布具有不规则性,有效组织管理这些散乱的数据可以提高数据的搜索效率,在众多数据组织方法的研究中,kd-tree是新的研究热点。kd-tree与一般树形结构类似,能高效的对数据进行存储管理及搜索,它们的不同在于kd-tree更适合散乱不规则的点云数据。因此,在由三维扫描技术获取的点云数据领域,基于kd-tree的数据组织应用越来越广泛。海量的点云数据也给一般的数据配准方法带来了巨大的麻烦,如存在配准速度慢,配准精度低等问题。本文针对点云数据的组织管理以及数据配准方面遇到的问题,研究如何组织管理数据来提高数据的搜索效率以及配准速度。首先,本文通过激光三维扫描仪获取点云数据,分析点云数据相比其他三维数据的不同之处,研究目前常用的数据组织方法对散乱不规则点云数据进行管理存在的问题,并提出使用kd-tree树形结构对点云数据进行组织管理。然后,探索kd-tree对点云数据组织管理的方法,分析了kd-tree如何对点云数据进行查询、插入、删除等操作。并研究了通过kd-tree组织数据,在进行点云数据搜索,尤其是点云邻域搜索时具有的优势。通过实验表明,利用kd-tree对点云数据进行存储管理,不仅有利于对散乱数据进行有效组织,还可以提高对数据的搜索效率最后,本文介绍了三维空间数据配准需要了解的基本知识,分析传统ICP配准算法的数据配准机制,研究ICP算法在海量点云数据配准中存在的问题。将kd-tree对数据组织管理的算法与传统的ICP数据配准算法相结合,利用基于kd-tree结构可以对点云数据快速搜索的优势,代替传统ICP算法的迭代搜索过程,改进ICP算法。模拟实验表明,通过对ICP算法进行加速,提高了该算法的配准速度和配准精度,使该算法应用性更强。本文最后设计了点云数据配准系统,通过本文使用的激光三维扫描仪获取点云数据,并对其进行配准,配准结果与模拟实验相似。