随着三维扫描仪等三维数据获取设备的发展与普及,三维点云数据的采集变得越来越容易,三维图像处理也成为当前计算机视觉领域中研究的热门问题。点云配准作为三维图像处理的基础,在三维重建、三维定位和姿态估计等众多计算机视觉应用中发挥着重要的作用。点云配准是将不同时间、不同视角或者不同传感器等不同条件下获取的点云数据进行配准的过程。由于现有三维数据采集设备的局限性,在采集数据的过程中受到光照、设备等因素的干扰,待配准的点云对间存在大量的离群值。为了消除点云对间离群值的干扰,让点云能够在具有大量离群值的情形下仍能精确配准是有必要的。通过对现有点云配准技术的研究,本文提出了以下两种点云配准方法。1.提出一种基于粒子群优化和拓扑图的点云配准算法。本研究主要是为了解决点云数据中含有大量离群值时不能精确配准的问题。本研究将点云配准问题抽象成为优化问题,实现了从粗到细的点云配准。在粗配准阶段,利用点云数据间的拓扑结构,将求点之间的对应关系转换为求边之间的对应关系,建立了边缘对应最大化的数学模型,将求解6自由度问题分解为求解两个3自由度问题;然后为了提高全局搜索的效率,本研究以粒子群算法作为搜索约束对边缘最大化模型进行求解以求得初始转换关系;在精配准阶段,利用迭代最近点（ICP）算法对初始转换关系进行迭代优化,求得最优的旋转矩阵和平移向量。实验结果表明,本研究所提出的方法和现有技术相比优于现有的方法,能够实现更加稳健的点云配准。2.提出一种基于多目标粒子群优化的点云配准算法。本研究主要解决点云数据中包含大量离群值时配准误差较大、迭代最近点（ICP）需要良好初始对应的问题;本研究结合了两种不同点云配准方法的目标,首先定义出基于高斯混合模型和基于随机样本一致的多目标粒子群优化的适应值函数,然后搭建多目标粒子群优化点云配准的模型,进而完成配准变换参数的优化。同单一目标的点云配准方法相比,多目标粒子群优化点云配准框架将多个目标函数有机地结合在了一起,发挥了两类配准方法在点云配准中的优势,降低了不良因素的影响。最后经过了实验验证,实验表明该方法在不需要良好的初始对应关系前提下,能够精确且稳健的实现点云配准,充分证明基于多目标粒子群优化的点云配准框架是一种新型、有效的点云配准模型。