随着计算机图形学、计算机视觉、测量学等的发展，三维模型信息获取应用越来越广泛，随之而来的三维点云，作为表达描述三维物体表面特征的一种新方式，得到了重视。与此同时，点云处理技术也成为了当今热门研究领域之一。点云配准作为逆向工程中的关键技术，在点云数据的初步处理和三维模型的重建中起到非常关键的作用。配准的完成好坏直接影响点云数据的匹配精度和速度，一直以来都是三维图形技术的研究难点和热点。本文在某航空涡轮发动机叶片几何质量评估项目的基础上对复杂模型三维点云自动配准技术做了深入研究。针对经典ICP(Iterative Closest Point)算法在配准过程中对初始位置要求较高可能产生局部最优解以及对大量点处理时间复杂度高效率低的缺点，对配准算法进行了改进。本文以经典的ICP算法为基础，增加点云前期预处理实现点云去噪和精简，得到更加有效的样件表面数据用于后期处理。同时利用PCA主方向贴合法对点云数据进行初始配准，有效解决了ICP算法对初始位置要求高的问题。通过随机采样和K-D树搜寻最近点，降低ICP算法时间复杂度，同时通过法向阈值进一步提高对应点对匹配精度，提高了ICP算法的收敛速度和精度。并利用配准后两簇点云中对应点对之间的误差完成了几何质量评估，生成误差文件，用RGB色彩模式来直观显示。经实验对比，本算法能很好的弥补单纯的粗略配准和经典ICP配准的缺点，具有良好的匹配精度和速度。本文算法可实现对复杂曲面零件的配准，提高具有复杂曲面特征产品的加工精度和效率，可以广泛应用汽车精密覆盖件、舰船螺旋桨等零件开发中，对于逆向工程的研究及工业应用方面具有重要的理论和实用意义。