目前,三维重建技术已在生活中各个领域得到广泛应用,其中的配准问题一直是该项技术的研究难点和热点。三维重建过程中包含图像与点云两种数据集的三种组合配准问题:图像间的配准、点云配准、图像与点云的配准。本文的研究内容涉及了其中的点云配准和图像与点云的配准。在点云配准方面,对目前性能较优的4PCS(4-Points Congruent Sets)算法进行了分析并做出改进,提出了基于动态和不对称基(Dynamic and Asymmetric,DA)的4PCS两阶段点云配准算法。在粗配准阶段,DA-4PCS算法通过挑选不对称四点基以及动态增长基中线段的长度,减少每次迭代中候选全等四点集的数量,缩短主要耗时的验证阶段所需时间;在精配准阶段,RC-ICP算法利用粗配准结果中的四点基对待配准点云进行分区,形成对应区域(region corresponding,RC),加快最近点的搜索速度,减少了参与计算的点云的数据量。实验数据表明,在保证配准精度的同时,算法对配准两个阶段均能有效的减少原始算法的运行时间。在点云与图像的配准方面,提出了一种基于轮廓共面四点集的2D-3D图像配准算法C4PSC(Coplanar 4-Points Sets on the Contour)。配准算法使用共面的四点集作为配准基元;将点云沿多个视角透视投影形成多个影像,将二维与三维中寻找对应点的问题转化到图像间寻找对应关系;借鉴点云配准算法4PCS中寻找对应四点集的方法,能有效的在物体图像轮廓点中寻找点云影像轮廓上共面四点的对应点;最后,利用平面的单应性计算图像与点云变换矩阵,从而完成2D-3D的初始配准。实验表明,本文提出的点云和图像配准框架自动化程度较好并且可以达到一定的配准效果。