三维点云配准是逆向工程和计算机视觉等领域的热点问题。为提高点云配准过程中浮动点云与固定点云在公共区域对应点匹配的精确性，本文提出一种点到泊松曲面寻找对应点的匹配规则：通过固定点云的局部样本数据构建泊松曲面，将浮动点云中的样本点到泊松曲面的最近点作为对应点，扩大对应点的匹配范围，保证对应点在匹配的范围域内，使配准在达到主流配准精度的同时，加快配准的收敛并提高配准的鲁棒性。本文的主要工作及创新点如下：　　(1)为提高配准过程中参考曲面—泊松曲面重建的质量，提出一种构造封闭点集进行泊松重建的方法，采用基于法向投影的三角形判别法分别识别样本集合的凸点和凹点，进而获取局部样本数据的二维边界特征及其对应的三维边界特征，借助所提取的边界特征添加辅助点，将非封闭的样本数据变为封闭点集合，提高泊松重建的质量以及重建的鲁棒性。　　(2)为有效分离样本数据所对应的网格曲面信息，提出一种 KD树与半边结构相结合的动态空间索引结构，基于KD树叶节点的开放性存储网格曲面的几何信息，利用KD树优越的近邻查询性能查找半边信息所在的节点，借助半边结构的环序以及对偶半边信息可快速获取目标点的拓扑邻域信息。基于该索引可快速分离出样本数据所对应的网格曲面，保证分离网格曲面的拓扑完整性，为配准提供更加精确的参考信息。　　(3)通过交互选择特征点进行迭代初配准，基于点—泊松曲面匹配规则建立浮动点云样本数据与固定点云样本数据的对应点对信息，利用奇异值分解法计算刚性变换参数；同时定义配准调整因子，动态的调整候选曲面网格节点的范围，弥补手动选择特征点的精度低的缺陷，提高初配准的精度。在初配准的基础上，精配准基于自适应策略选择并增加特征点个数，保证在初配准效果不理想的情况（初配准误差偏大）下依然配准成功，在提高配准精度的同时，提高配准的鲁棒性，减少收敛的迭代次数。　　(4)提出一种基于点面最小距离的径向误差估计方法，通过减小径向误差来提高浮动点云和固定点云的贴合程度，利用调整因子对三维测量系统所引起的周向误差进行局部调节，进一步提高配准的精确性。通过加入误差补偿，消除泊松重建误差对配准结果的影响，使误差估计更加符合实际测量结果，提高误差估计的准确性。