点云配准是三维重建和逆向工程中的第一步。点云配准精度的高低直接关系到重建的质量。本文针对现有刚性配准方法中存在的问题提出了新的解决和改进方案，并且通过大量对比试验验证了本文方案的正确性和有效性。本文的主要工作包括：1.本文提出了采样球配准方法。对于需要配准的两片点云P和Q，利用随机采样检测(RANSAC: random sample consensus)的思想，首先从P中随机选取三个点构成一组“基”，然后再利用采样球技术从点云Q中找到所有能与“基”在坐标变换下重合的三点集。利用“基”与三点集的对应关系就可以计算出用来配准的坐标变换参数。采样球方法与以前的方法相比有两点优势：第一，它的复杂度低。对于一个给定的“基”，利用采样球技术能够在O(knQlog nQ)的时间内找到所有可能在坐标变换下与“基”重合的三点集，其中k是一个仅与配准旋转容差相关的常数，nQ是点云Q中的点数。而在本文的调研中，之前最快的RANSAC配准算法的复杂度是O(n_Q~2)。第二，它对噪声和无关点的干扰具有更强的抵抗能力。2.本文提出了一种基于法向的采样球加速方法，这种方法通过采样球简化和法向一致性检查，能够有效减少“非对应”三点集的产生，从而减少了重合点数统计的执行次数，因此提高了运行效率。以往的基于特征的配准技术受噪声的影响都比较严重，然而本文使用的加速技术可以根据噪声的严重程度自动调整对法向的依赖程度，所以对噪声有了更强的抵抗能力。3.本文提出了带有自适应距离阈值的ICP改进方法。距离阈值可以过滤掉不合理的对应点对。此配准方法分为两个阶段：在第一个阶段，距离阈值会随着迭代的收敛逐渐变小，从而不合理的对应点会被逐渐排除。算法在这个阶段完成了从速度优先到精度优先的转变。在第二个阶段，距离阈值不再变化，并使用最小二乘误差来限定最终配准的精度。带有自适应距离阈值的ICP算法，能够配准带有大量非重合区域的点云。