随着光学设备的发展和进步,点云获取的精度和点数量的增加,导致点云配准的复杂度增大,增大了实现快速而精确的配准的难度。同时,在多视角点云配准中,多幅视角的点云使得同源区关系变得更加复杂,如何在多幅点云配准过程中提高配准速度和提高配准精度,是三维重构中的难点。本文针对两幅点云配准中点云配准速度慢的问题,提出双向搜索、Partion-Based-Trimmed Trimmed ICP算法解决运行时间长的问题;基于精度问题和trimmed ICP中的分位概率的问题,提出了逼近同源区的方法来配准和获取分位概率;在点云配准策略中,基于线性拓扑网络的优化,提出了局部配准的最小单元,使得配准策略保留连续配准的运行时间短的优点和累计配准中精度高的优点。两幅点云的配准方法是多幅点云配准的基础。ICP在点云配准中应用最为广泛,本文基于ICP算法,对其迭代速度进行改进并得到Bi-ICP和Partion-Based-Trimmed Trimmed ICP算法,获得较高的速度改进。Bi-ICP通过对四元数的表示,获取了ICP在迭代中的旋转角度的变化数列,进而提出了双向旋转角度互相补偿的方法,增大迭代旋转步长,进而获取更快的收敛速度,从而达到提高配准速度的目的;Partion-Based-Trimmed Trimmed ICP算法是基于Trimmed ICP方法的基础上,利用不同类型的点对对能量函数的贡献不同,进而基于不同类型的点云进行优化,最终完成先粗略配准,而后精确配准并以此获取快速收敛的目的。同时,为了弥补Trimmed ICP方法的分位概率在不同点云不相同的问题,本文提出了点对的高斯分布模型用以粗略区分同源区点对和非同源区点对,从而达到自适应选取同源区点对的目的。为了获取Trimmed ICP中的分位概率和利用同源区使得点云精确配准,本文利用信息熵,对点云距离(RMS)建立密度概率并分析,获取同源区点对满足的线性模型;建立Trimmed ICP的分位概率分布函数模型,提出逼近同源区的搜索函数,从而达到精确查找同源区点对,并利用该点对集合对两幅点云进行配准,从而达到精确配准的目的。为了保留连续配准策略中的点云配准速度和累计配准策略中获取的点密度增加的优点,并消除上述配准方法带来的缺点,本文根据多幅点云的线性拓扑网络,提出了最小配准单元的局部迭代配准策略。利用局部迭代配准策略,本文利用最优化局部配准使得配准精度达到最高,同时,利用控制点云进行无差地链接相邻点云使得最小单元的衔接不会对整个点云配准网络带来误差。除了上述配准方法和配准策略的创新,在实现Delaunay Triangulation过程,通过利用格雷码和相移编码的特点,同时利用投影的几何变换关系,确定点云获取中的空间位置关系,快速和有效的获取三角化结果;利用Bi-ICP和Partion-BasedTrimmed Trimmed ICP形成融合算法,进而达到更快的配准运行速度。通过两幅点云配准算法的优化和多幅点云配准的优化,本文获取了更好的精度和更快的速度,进而完成对小场景目标的三维重建。