点云配准是三维点云处理的关键技术之一,其被广泛应用于机器人导航、自动驾驶、三维表面重建以及工业测量等领域中。由于三维扫描设备的视野限制,单次扫描通常无法得到所需的工件点云,需要变换扫描设备的姿态,从不同的视角扫描工件得到多片点云,通过点云间的重叠区域求解出点云的正确位姿,将不同视角的点云统一到同一坐标系中,使之成为完整的点云模型。本文侧重于三维点云两两配准算法的研究,针对经典ICP算法及其变体对于只有部分重叠的点云配准具有一定局限性的问题,提出一种改进的ICP配准算法,并将改进算法应用于实际工程应用中。针对RSLS机器人三维测量设备采集的工件点云存在的噪声问题进行分析,然后针对噪声的特点,研究相应的滤波算法将其从主体点云中剔除,为后续点云配准技术的研究提供良好的点云数据。针对点云数据在空间上存在的错位问题,着重进行基于ICP算法的点云精配准算法研究。先对ICP算法及其变体的原理和四个主要环节进行详细的分析,包括点的选择、对应点对的查找、误匹配点对的剔除及目标函数的构造等。然后针对其不足之处,提出一种自适应剔除重叠区域边界点的改进ICP算法,该算法通过去除重叠区域边界的误匹配点对,保证用于求解最优变换的点对具有较高的正确性来达到提高配准精度的目的。为了验证改进算法的适用性和有效性,采用不同类型的点云数据进行两两配准算法实验验证。将改进算法与经典ICP算法、Tr ICP算法以及FRICP算法在配准精度和效率方面进行对比。根据实验结果,对于重叠率较高的点云数据,该算法能够获得与目前最新的FRICP算法相当的配准精度,同时具有较高的配准效率;对于重叠率较低的点云数据,在良好的初始位置下,此算法依旧能达到较好的配准效果,且优于Tr ICP算法。最后,通过汽车管路系统中的一段管件分析配准算法在实际工程中的应用。