点云处理技术广泛应用在逆向工程、激光遥感测量、机器人视觉与控制、虚拟现实、人机交互、3D扫描与打印等诸多领域。点云配准技术作为点云处理技术的关键步骤,对后期的点云曲面重建起着重要的作用。传统的点云配准算法往往需要人工辅助,且配准精度不高,因此快速、准确的点云自动配准算法一直以来都是点云处理技术的研究热门。本文在深入学习了前人的研究之后,从点直方图特征和正态分布变换两个方向着手,实现了两种有效的点云配准算法。首先,介绍了基于点直方图特征的点云配准算法,文中引入了一种新的三维局部特征描述子,即统计查询点及其邻域点的法线偏差并构造直方图特征,以此为基础对待配准的两片点云进行采样一致性初始配准,然后,再用迭代最近点法(ICP)对初始配准后的点云进行二次优化,最终达到精确配准的效果。其次,介绍了基于正态分布变换的点云配准算法,正态分布变换是一种可以简洁地描述曲面的方法,最初被提出来是应用于二维配准中,文章对其进行了三维扩展,以应用于三维点云配准。由于其不需要计算复杂的特征描述子,可以显著提高了点云配准的速度,又因为采用了混合概率密度函数降低了外点的影响,同时明显提高了点云配准的精度。最后,对两种算法进行了大量的点云配准实验,验证了两种算法的有效性和可行性。并对同一模型的点云数据实验,将两种算法的配准结果进行了详细的对比分析,还分析了不同采样率对两种配准算法的影响,为以后的实验研究总结了经验。