随着计算机技术应用与3D扫描应用的发展,点云三维重建技术被普遍地应用到逆向工程、医学、文物数字化保存、3D动画等各种领域。同时,点云配准技术占据了 3D点云重建的主导性地位,点云配准是通过计算不同视角的点云三维数据找到一个最优的解决方法,最大化地使局部点云数据与完整的3D点云模型对齐。本文的主要工作是对点云粗配准算法—4PCS(4-Points Congruent Sets for Robust Pairwise Surface Registration)做出了改进。首先对初始点云降采样,得到初始点集与目标点集,在初始点集中选取三个距离较远但又在重叠区域内的点,再选取最后一点,并剔除掉三点共线以及在三点组成的三角形区域内的无效点;其次在选取对应点时,引入交叉线段夹角与四点围成区域面积这两个不变量,并把所得到对应点对进行分类;最后通过单元四元数法求解旋转平移矩阵,并根据目标函数选取最优解,从而配准点云。对已粗配的点云用IC(Iterve Cloees Point)算法精配点云。同时,为了后期点云的三维重建效果更好,本文针对点云三维重建技术进行了研究,在三维重建算法前添加了平均网格法降采样与双边滤波方法处理点云,并且对Power Crust重建算法与泊松曲面重建算法在重建效果方面进行了对比。本文的点云三维重建技术流程包括改进的点云粗配准算法、ICP(Iterative Closest Point)精配准算法、平均网格法降采样、双边滤波与Power Crust算法。实验结果表明,改进的点云粗配准算法与其他粗配准算法相比,提高了配准精度并且配准效果良好,证明了算法的有效性,同时本文的三维重建技术流程在对重建点云模型方面,效果突出。