三维彩色点云能够同时描述三维空间中物体的相对位置和颜色信息,近年来,越来越广泛地应用于数字化现实场景,如工业检测、自主导航、文物保护、虚拟现实等。通过标定激光与相机,对三维点云染色可以获取三维彩色点云。而在构建大范围场景的三维彩色点云时,需要利用配准方法,将不同位置下的三维彩色点云统一到同一坐标系下。本文通过研究三维激光与相机的间接标定法和直接标定法,融合三维点云与二维图像,获得三维彩色点云。对相邻两帧三维彩色点云,通过配准网络获得大范围场景的三维彩色点云数据。本文的主要研究内容包括以下三个方面:（1）根据三维激光与相机的间接标定原理,本文提出一种基于多几何约束的间接标定法。首先,利用相机标定获得内部参数。然后,本文提出了面到面的几何约束关系,并结合线面约束和面面约束进行外参标定。利用全局优化的方法,优化内部参数和外部参数。最后,联立内部参数和外部参数标定三维激光与相机。仿真数据实验表明,所提出的间接标定法的结果收敛、方法可靠。实际数据实验进一步表明该方法具有良好的单帧三维彩色点云的实际融合效果。（2）考虑到间接标定法过程相对复杂,且存在的累计误差会直接影响三维彩色点云的融合,本文提出一种基于扇形特征的直接标定法。首先,利用几何特性估算和全局优化的方式计算激光坐标系下的特征点。然后,提取像素坐标系下的特征点,并形成对应的特征点对。最后,直接建立点云与像素之间的数据关联,求解三维激光与相机之间的几何映射关系。仿真数据实验表明,所提出的直接标定法的精度较高、数值稳定。实际数据实验进一步表明,对于室内外不同的几何结构的场景,所提出的直接标定法均能准确地融合三维点云与图像。（3）针对室外大范围场景的三维彩色点云的配准,本文提出一种监督学习网络。首先,对基于室外场景的KITTI数据集进行了数据预处理,获得不同位置下的三维彩色点云。然后,给出了用于匹配相邻两帧三维彩色点云的监督学习网络。最后,使用经预处理的三维彩色点云来训练该监督学习网络,得到相邻两帧三维彩色点云的坐标变换矩阵,并验证所提出的监督学习网络的性能。实验结果表明,本文提出的方法能够有效配准相邻两帧三维彩色点云,且具有较高的配准精度。