近年来,三维激光扫描技术以其测速快、精度高、无接触测量等优势,被越来越广泛地应用于各行各业,而多视点云配准是三维激光扫描点云数据处理技术中的一项核心技术。随着社会的发展与现代测绘技术的进步,各行各业多视点云数据配准的精度要求也在不断的提高。而配准的精度实际上就在于两两测站间坐标转换参数的求解。本文通过对几种主要的多视点云配准算法进行研究,提出一种多视点云配准的新算法,并详细推导其解算方法与过程,通过MATLAB语言加以算法实现,进行精度的评定与比较,主要研究内容如下:通过对迭代最近点(Iterative Closest Point,ICP)算法进行研究,推导了基于奇异值分解法的经典ICP算法解算过程,并基于二维Delaunay三角剖分法,详细阐述了三维Delaunay点集搜索法的基本原理与方法,推导了快速搜索配对最邻近点集的Delaunay-ICP算法,实现了 ICP算法时间效率上的优化。实验结果表明:Delaunay-ICP算法与经典ICP算法参数解算结果相同、精度相同,但计算效率优于传统的ICP算法,Delaunay-ICP算法较传统ICP算法提高了约27.94%。同时,验证了 ICP算法不适用于大旋转角度间的测站间配准的缺陷,针对一些旋转角度较小的测站间配准,ICP算法具有较好的效果,但面对旋转角度较大的情况,ICP算法则无法找到其正确的对应点,导致解算结果完全错误。分别基于经典最小二乘(Least Squares,LS)和非线性最小二乘,推导了多视点云配准的线性模型和非线性模型的基本解法,并通过不同案例进行了验证,结果表明:当旋转角度较小时,线性模型与非线性模型具有同样高的精度与较好的配准效果;但当旋转角度较大时,线性模型的解算结果则会严重失真,只能通过非线性模型进行参数求解。采用变量误差(Error-in-variables,EIV)模型及其对应的整体最小二乘(Total Least Squares,TLS)估值方法,构建多视点云配准的Gauss-Helmert模型,并基于高斯-牛顿迭代的非线性拉格朗日法,详细推导了其解算过程。通过三维激光扫描的实测数据加以验证,结果表明:该算法适用于任意旋转角的多视点云配准,且相较于ICP算法与非线性LS算法,具有更高的配准精度,相较于现有的TLS方法精度一致,但待估参数的数目大大减少,计算效率显著提高。基于三维Delaunay点集搜索策略,针对海量点云数据的配准问题,提出一种基于TLS的多视点云配准的Delaunay-TLS新算法。该算法通过Delaunay点集搜索法快速定位对应点集,并通过在进行大面积点云数据精配准前先进行一次粗配准的方式,克服了 Delaunay点集搜索法不适用于大旋转角的缺陷。同时,新算法充分利用了海量点云数据进行的精确配准,较传统的TLS算法具有更高的配准精度。实验结果表明:新算法适用于任意旋转角度的多视点云配准,且相较于通过少量特征点拼接的TLS算法,具有更高的配准精度,尤其是对于特征点不宜提取的扫描对象。