对自动导引小车（Automated Guided Vehicle,AGV）的研究能直接地映射到医疗服务领域。本文目的是为了搭建一台医疗服务自动导引小车,配合医护人员完成送药、巡诊等工作。在医院这种特殊的工作环境中,由于无菌及低噪声的限制,使用自动导引小车配合医护人员完成相关工作恰到好处。此时需要自动导引小车具有良好的即时定位与地图创建（Simultaneous Localization And Mapping,SLAM）功能,以达到在该类特定环境下工作的要求。点云配准算法是即时定位与地图创建过程中重要的一部分,本文研究分析了点云配准中的迭代最近点（Iterative Closest Point,ICP）算法,以实验室搭建的自动导引小车为平台,针对原始的点云配准问题进行了优化改进,通过仿真分析效果良好,在点云精细配准方面有很大改善。本文从自动导引小车的基础硬件出发,搭建了一台能应用于医疗服务的自动导引小车,首先介绍了构成自动导引小车的各部分基础硬件,并针对性分析了单线激光雷达的测距及扫描原理,详细的推导了点到点及点到线的迭代最近点算法相关公式。在解算恢复出二维激光点云后,分别使用了点到点的迭代最近点算法和点到线的迭代最近点算法对三个不同环境采集的激光点云进行配准分析。在进一步的对比实验中,将源点云数据进行部分遮挡后观察原始算法的配准效果,此时原始算法无法再实现源点云与目标点云的精细配准。针对这一情况本文提出变阈值对应点对筛选法对算法进行改进,对于同一环境前后六次配准仿真实验中,改进后的对应点误差的均方根值降低了7%,并且迭代算法的平均计算速度至少提高了10%。改进后的算法有更小的对应点误差和更短的算法耗时,从而能让医疗服务自动导引小车更好地配合医护人员完成相关工作。