随着三维扫描设备与计算机辅助设计技术的迅猛发展,同时各行各业都面临着信息化、智能化和现代化的发展需求,使得三维重建技术得到了广泛的应用。本文主要研究三维重建中的点云拼接技术,通过以散乱点云为研究对象,研究如何提高点精简与点云配准的效率,提出了基于法矢夹角的点云精简算法和基于单位四元数的ICP改进算法。本文的主要工作如下:第一,研究点云数据的采集和处理技术。本文从点云数据采集方式的不同对点云数据进行了详细的分类,研究了点云数据之间拓扑关系的构建方法,包括八叉树法、KDtree法和栅格化法,并分析了每种方法的优缺点。第二,提出一种基于法矢夹角的点云精简算法。本文利用点云数据的法矢量特征,通过计算每一点与其k近邻点的平均法矢夹角,引入关键度的概念,计算每一点的关键度的值,通过与预先设定的阈值进行比较,完成粗精简,然后对粗精简后的点云数据进行不同比例的二次精简,最后从理论和实验的角度验证该算法的正确性与高效性。第三,通过对传统的ICP算法的原理进行分析研究,提出一种基于单位四元数的ICP改进算法。利用KD-tree对最近点邻域进行搜索,加快了对应点对的搜寻速度。以曲率为基础构建点云数据的邻域空间,提出一个匹配度的概念来衡量点对之间的匹配程度,通过设定阈值除去错误的点对。采用单位四元数法求解旋转矩阵和平移矩阵,利用相邻两次的最近点间的距离差作为迭代结束的条件,完成最终的配准。由于采用KD-tree搜寻最近点,这在一定程度上提高了点对匹配的速度,缩短了点云配准的整体耗时。同时依据匹配度去除错误点对,利用单位四元数法多次迭代求解变换矩阵,从而很大程度上提高了点云配准的精确度。最后通过实验对算法的性能进行验证。