随着计算机工程的飞速发展和广泛应用,三维几何模型已成继声音、图像、视频之后的重要数字媒体。点云模型是以离散采样点为基元的几何模型,是三维几何模型的自然表示方式。点云配准是通过将场景中得到的物体特征和物体模型进行特征匹配来完成的,研究如何从散乱点云中提取隐含的几何信息和拓扑信息并建立约束。点云配准是寻找一种三维空间刚体平移和旋转使在不同视角下的三维坐标点云共同部分能够正确地匹配和搭接。三维点云配准在计算机辅助手术三维导航、虚拟现实、医学图像、机器人以及自动控制等领域有着越来越广泛应用。本文主要是对三维点云配准算法及其相关问题进行研究,主要工作内容及创新点如下:1.对应点集运动参数估计问题是点云配准中的核心问题。本文采用新颖的对偶四元数,提出一种精确有效的对应点集运动参数估计算法。该算法最小化一个与旋转和平移误差总和有关的目标函数,提供了一种新的对应点集运动参数求解方法。实验证明了算法的性能和精度方法要优于现存的SVD法和四元数法。2.探讨了点云曲率特征点的提取方法,并在此基础上提出了一种基于特征点的改进ICP算法。算法在对待配准点云进行初始配准的基础上,利用曲率特征点集代替原点云进行配准,并使用k-dTree寻找最近点,最后利用对偶四元数方法计算坐标变换,提高了配准速度。实验结果表明,算法效率较高,配准效果理想。3.提出了一种基于八叉树空间分割的点云配准算法。算法首先对利用八叉树对点云进行空间分割,从而可以快速计算点云中每一点的K邻域;然后根据点的曲率建立假设对应关系,通过纠正和引导假设对应中的错配从而建立点之间正确的对应关系;算法避免了传统ICP配准算法中每次迭代都需要搜寻最近点而产生的时间消耗,提高了配准速度。最后实验证明了算法的有效性。