点云配准作为空间三维点云预处理阶段的重要数据处理步骤,对获得完整的被测目标表面空间三维坐标有着极其重要的作用,但目前的各种配准算法在配准速度、精度及可靠性方面还有待提升。本文主要研究了空间三维点云数据的精确配准技术,重点研究了其中的特征提取、坐标转换、精确匹配、多站配准误差改正等算法,主要工作和创新点如下:1.总结了目前空间三维点云数据配准技术及现状,从数据预处理、特征提取、初始配准、精确配准及多站点云配准误差改正五个方面分析总结了各种算法的原理及特性。2.分析了点云数据空间分布规律,提出了一种三维激光点云数据虚拟特征点提取算法,该算法在曲率特征提取边角点的基础上,使用特征点聚类法将同一特征线上的边角点分类,并使用端点拟合或直线拟合方法提取出虚拟特征点。实验表明该算法提取出的虚拟特征点具有更高的可靠性,能提高初始配准计算速率和精度。3.针对初始配准过程中传统的七参数、罗德里格矩阵算法的稳定性易受粗差影响的问题,提出了一种基于整体最小二乘的罗德里格矩阵算法,该算法能够顾及系数矩阵本身存在的误差,有效减小特征点坐标误差对参数求解的影响。实验结果表明该算法较传统算法具有更高的精度及稳健性。4.针对传统点云精确匹配算法拉入范围小且容易陷入局部最优的情况,设计了一种基于两步法的3D-NDT(3-Dimensional-Normal Distributions Transform,三维正态分布)点云数据精确配准算法。该算法较ICP(Iterative Closest Point,最近点迭代)算法不仅精度、可靠性显著提高,且速度更快。5.针对多站地面三维点云连续配准过程中误差累积的问题,采用基于二次或三次多项式的单航带平差模型对累积误差进行改正。实验结果表明,该方法能有效减少系统误差积累,提高配准精度。