在现实中,形状匹配和图像配准是图像分析、计算机视觉和模式识别中的基础问题,由于点表示法是常用的且易于提取,所以它们通常被转化为一个点云配准的问题。同时,点云配准是三维重建的核心技术,是仿真设计、虚拟现实等计算机视觉领域的研究热点和重点。随着现代可持续技术的发展,计算机硬件技术也稳步提高,这也使得数字模型的采集与处理方面有了足够的硬件设备支持,为点云配准方面的研究提供了足够的技术支持。点云配准的目的是确定两个点云间的变换关系,即经过一系列的变换使其中一个点集映射到另一个点集,并且获得两个点集间元素的一一对应关系。根据点集间变换关系的不同,点云配准可以被粗略的分为两大类:刚性点云配准和非刚性点云配准。刚性点云配准包含平移、旋转和缩放等少量的变换参数,所以刚性配准是相对容易的并且已经研究的相对成熟;而非刚性变换是一种更加复杂的变换,它既包含刚性配准中的变换参数,又包含如伸缩、仿射、投射和多项式等一些比较复杂的变换。由于真实的非刚性变换往往是未知的,所以非刚性配准是相对困难的,而且非刚性配准的例子广泛存在于现实生活中,因此,对于非刚性点云配准的研究具有非常重要的意义。首先,本文详细阐述了点云配准方法的研究意义以及国内外研究现状,同时介绍了点云配准所需要的重要原理,包括概率密度模型、几何变换模型、概率密度函数估计算法等,其中着重介绍了高斯混合模型、非对称高斯混合模型、几种常用的几何变换模型以及EM算法的基本概念和主要思想,为之后点云配准算法的提出作理论铺垫。其次,围绕非刚性点云配准这一目标,本文具体的研究内容如下所述:(1)本文提出了一种距离和角度信息相结合的点云结构特征描述子,并且利用该描述子将点云的结构特征引入到点云配准的过程中,提出了一种基于高斯混合模型和局部结构特征的非刚性点云配准方法。该方法将待配准点集中的一个点集作为高斯混合模型的质心,另一个点集作为高斯混合模型的数据点,用来拟合高斯混合模型,将点云配准问题转化成一种概率求解的过程,取得了较好的配准结果。(2)本文基于形状上下文描述符(Shape Context)提出一种结合点云局部和全局结构特征的GLSC描述子,该描述子对点云的结构特征具有更强的描述效果。同时,考虑到尽管单高斯模型和高斯混合模型经常被用于机器视觉以及模式识别的众多研究领域,但它们并不能拟合现实中所有的分布。而现实中所采集的点云模型通常都具有非对称的分布,本文引入了非对称高斯模型,大量的实验已经证明非对称高斯模型能够捕获空间不对称的分布。通过类比高斯混合模型,本文构建了非对称高斯混合模型来拟合待配准的点云模型,提出了一种基于非对称高斯混合模型和GLSC描述子的非刚性点云配准方法。