随着计算机软硬件技术的飞速发展以及计算机视觉应用领域的不断扩大,能够对现实世界进行快速准确数字化建模的三维重建已经得到了国内外学者的广泛关注。三维重建模型在模式识别、文物修复、影视特效和逆向工程等领域拥有广阔的应用前景。近年来,借助微软公司推出消费级廉价RGB-D深度传感器Kinect,快速精确的三维重建更是成为了计算机视觉中的研究热点。然而重建要获得完整的场景表面三维信息(点云),必须进行多视点数据采集融合。因而多视点三维点云配准成为三维重建中的一项关键技术,直接影响重建模型的精度。在本课题的完成过程中,本人独立完成了针对三维点云配准问题的研究,主要工作包括以下几个方面:1)从RGB-D类摄像机Kinect出发,研究其内部构造、色彩和深度图像同步采集原理以及深度传感器的相关测量参数,同时使用Kinect相关开发库如OpenNI、Kinect for Windows SDK和PCL,完成对点云数据的采集和预处理任务。2)分析目前应用最广泛的三维点云配准算法ICP,借助PCL实现传统ICP及其经典改进算法,比较它们的优缺点并提出本文算法的改进思路,验证说明了本文配准算法可以通过全局的解空间搜索方式克服ICP类方法的局部最优化缺陷,快速准确地获得理想配准结果。3)在获得良好的视点间配准结果的基础上,为了进一步消除配准误差带来的误差累积,本文应用一种闭环检测和图优化框架,将帧间漂移对点云配准融合造成的影响降低到最小。上述算法均在Window7系统下的VS2010集成开发环境上实现,并以国际上通用的点云模型作为实验数据,通过对比实验,验证了本文算法的有效性。