随着信息化时代的迅速发展，三维技术也逐渐成熟，并且作为计算机图形学中的重要研究课题，应用范围广泛，涉及人类生活的各个方面。因为部分遮挡等问题，所以为了获得完整的点云数据，需要进行多次扫描拼接配准。三维点云配准技术作为三维技术中的关键，更是得到了广泛的关注和研究。近年来，计算机正在迅速迈进并行计算时代，越来越多的计算机采用多核处理器，客户对性能需求的不断提升，致使软件的运行速度要求也越来越高。本文在以前的研究基础上，利用GPU并行技术对四点快速点云配准算法进行加速，以提高点云配准算法的执行效率。本文的主要工作如下：　　针对近似全等四点搜索算法执行效率不高的问题，本文通过CUDA平台将近似全等四点搜索算法移植到GPU中，将大规模的矩阵运算分布到多个线程上并行执行。最后通过多组实验证明实现的并行算法，有效地提高了搜索效率，进而提高了四点快速点云配准算法的执行效率。　　近似全等四点搜索算法和LCP准则中的kd-tree算法由于建树及按树搜索的复杂性，严重影响了算法的并行化。针对该问题，本文提出了用距离比较的方法代替建树和按树搜索的过程，从而将kd-tree算法有效的移植到GPU上运行。实验结果证明提出的方法能够增加近似全等四点的组数，从而提高四点快速点云配准算法的配准精度。　　针对LCP准则时间复杂度高的问题，本文通过CUDA平台将循环运算部分移植到GPU上，利用多线程并行执行代替循环计算配准精度进行加速。通过多组实验验证了所提出的方法的可行性和有效性。最终的对比分析表明，所实现的并行配准算法较改进前具有较好的时间加速比。