随着三维激光扫描(Three dimensional laser scanning)技术的发展，其越来越多的应用于国民生产建设之中，基于这种技术相较于传统测量所具有的一些优势，例如:数据量大、数据获取的速度快、点云数据精度高、采集具有主动性、全天候监测、实时性强、信息提取、表达容易等。越来越受到广大测量人士的重视。随着近几年中、远距离激光扫描技术快速的发展，进一步拓宽了这种技术的应用领域，在工程测量、矿山测量、数字城市、古文物保护、城市规划、虚拟现实等领域都具有着广阔的应用前景。　　针对三维建模领域中点云自动配准技术存在的配准精度不高、鲁棒性不强的问题，根据经典ICP（最近点迭代）算法的原理，从粗配准与精配准两个方面进行改进:在粗配准中针对PCA主成分分析法，RANSAC算法，几何特征粗配准算法中存在的算法对重叠度要求高，算法代价大，对点云几何特性要求高等一些问题，提出“基于边界特征点云”的配准算法;精配准部分针对经典ICP(Iterative Closest Point)（最近点迭代）算法迭代速度慢，存在误配准点对，鲁棒性不强的问题，利用改进迭代函势、kd-tree(k-dimensioual tree)加速迭代以及CPC(closest point criterion)三约束方法对算法进行改进。利用实验对改进前后的算法进行分析比较，实验结果表明在粗配准中能够处理重叠度低与几何特征不明显的点云数据，精配准中在配准精度与误配准点对剔除上均有提高。该改进算法在实际工程中得到应用并取得了较好的效果。