基于激光雷达(LiDAR)影像数据的三维重建技术近年来发展迅速,并体现出了广阔的应用前景和价值,如何快速、准确地再现三维模型或场景的重建技术受到人们越来越多的关注。影像数据配准作为三维重建技术中的关键部分,也成为人们研究的热点。本文以较大规模、有较多平面特征的室外建筑为研究对象,利用中长距地面LiDAR设备获取模型的空间位置数据、设计实现配准算法,并对算法的有效性进行验证。主要工作如下:(1)从实验室现有的LMS-Z系列三维激光扫描仪及配套软件Riscan Pro出发,研究了LiDAR影像数据的采集流程及基于反射体的影像数据配准原理。结合本文所处理对象的特征,分析了基于反射体配准的缺点和局限性,明确了LiDAR影像数据配准算法研究的重要性。(2)通过对采集到的影像数据进行目标提取和基于法向误差方法的数据精简,在保留数据特征的基础上减少了数据量。采用Stamos提出的平面分割算法对研究对象的影像数据进行平面分割,并利用得到的多幅平面点集实现了影像数据初始配准。(3)分析了经典ICP自动配准算法的优缺点,针对所处理对象包含大量平面特征的特点,对该算法进行了改进,并通过将平面分割算法和球形三角约束近邻搜索算法STCNN相结合,在(2)中配准结果的基础上实现了对象影像数据的自动、精确配准。上述算法均在VC++平台下结合可视化类库VTK进行实现,并通过在校园内实地采集的数据验证了算法的有效性。