随着逆向工程的发展,三维点云配准技术作为逆向工程技术的重要分支,也得到了越来越广泛的应用。三维点云配准的目的是通过建模得到完整的目标物体,但是在实际的测量过程中,由于客观因素的存在只能得到部分视角的数据,想要得到完整的物体模型就要对不同视角测得的点云数据进行配准。配准算法的优与劣会直接影响最终配准结果。所以越来越多的研究人员对配准算法了不同方向的改进。尤其是当前随着生产要求的需要,海量点云数据的出现给配准算法带来了算法效率和精度的要求。ICP(Iterative Closest Point)算法因为有优秀的配准原理被越来越广泛的应用于点云配准,但是当前基于kd-tree的ICP算法因为kd-tree的搜索无关问题导致在配准过程中消耗了很多不必要的时间。鉴于这一点的不足之处,本文针对优化算法的搜索无关问题展开研究工作。针对kd-tree搜索算法回溯查询效率低的问题,提出基于BBF算法原理的改进优化,通过建立优先级序列存放查询路径的点来改变搜索算法的回溯结构方式,以此减少算法回溯时间,提高算法效率。BBF算法是对kd-tree算法的一种改进算法,它的原理是改变kd-tree的回溯结构,依据已有的研究可知kd-tree搜索算法的回溯查找时间占到了整个搜索时间的80%,通过实验证明通过改变回溯结构优化的搜索算法,能够有效提升对应点对的查询效率,具有一定的研究价值。面对海量点云数据配准低的问题,采用基于BBF优化改进ICP迭代最近点算法特性进行配准。在实验平台上编译改进算法,依据PCL子类编译规则将改进算法编译为子类函数,在进行ICP精确准时调用函数,用以海量点云数据的配准。通过实验证明改进后的kd-tree算法在ICP的迭代效率上有所提升,降低了配准所用时间,证明了改进算法在海量点云数据配准中的有效。