点云配准是三维建模的基础,被广泛应用于计算机视觉、医学建模、轨道对接、工件检测以及文物保护等各个领域。应用于实际生产生活的点云配准技术,大多为非自动点云配准技术或多角度固定多组扫描设备实现较为准确并且快速的点云配准。自动点云配准技术在对应点对选取方面尚不成熟,对于部分重叠的点云数据配准问题还需进一步研究。本文提出了基于分形维数的全局点云配准算法,包括粗配准和精配准。论文的主要研究内容为:(1)利用点云数据的离散性,将二维的分形维数概念应用到三维离散点云中,计算点云中每个点的分形维数值,根据分形维数这一属性来提取特征点。(2)根据特征点分布情况,将特征点进行聚类,形成多个聚类簇,各聚类簇之间形成的相对结构作为点云的全局结构,利用三角形来表示这种相对结构信息,依据此结构获得对应点,完成点云粗配准。(3)由粗配准算法得到的点云数据间还存在一定程度的角度差异,因此选用剪枝迭代最近点算法完成点云精配准,最终完成本文的点云配准过程。实验采用经典的点云数据模型,从重叠率较高的点云间的配准和重叠率较低的点云间的配准两方面进行实验。与目前较为经典的配准算法进行对比,实验结果表明,本文算法不仅能够配准重叠率较高的点云数据,同时能够对重叠率低的点云数据进行配准。采用斯坦福大学计算机图形学实验室标准模型数据,本文配准算法与Go-ICP算法相比,均方误差缩小了最多两个数量级。本文算法为点云配准提供给了一种新颖的解决方案,为点云配准提供了一种新思路。