点云配准是计算机视觉和图形图像学中的一个非常重要的研究目标,它的目的是将多个不同视角下的连续的点云拼接到一起。目前,点云配准的应用非常广泛,比如,虚拟三维地图、机器人导航、实体店三维模型打印等。基于深度图像的点云配准通常包含三个步骤:深度图像获取、深度图像转换、点云配准。其中,最重要的一步便是点云的配准,点云配准的准确率直接影响三维重建的效果,而在点云配准中,根据目标物体是否发生形变可以将其分为刚性配准和非刚性配准。点云配准算法中发展最好的便是ICP算法,它用来配准刚性物体,通过不断的迭代使配准的效果更加精确,与传统的配准算法相比,它的准确性更高。对于ICP算法最重要的一步就是要找到两个点云之间的初始对应关系,好的初始对应关系不仅可以减少迭代的次数也就减少了程序运行的时间,同时可以提高配准的精度。有时,配准的物体会发生形变,此时ICP算法就不能够有效的配准发生形变的点云。针对以上问题本文重点研究点云的配准算法,主要研究内容如下:(1)提出了一种基于粗匹配和Sparse ICP的点云配准算法,ICP算法严格要求点云的初始对应关系。针对这一问题,对于待配准的点云。首先使用粗配准对两个点云进行配准,找到它们之间的粗略的对应关系,然后以这个粗略的对应关系作为Sparse ICP的初始对应关系,最后通过不断的迭代,直到两个点云之间的平均距离小于预先设定的阈值或者达到预先设定的最大迭代次数,认为配准达到最佳。通过在数据集上的实验表明本文的方法可以很好的用于刚性配准。(2)提出了一种基于Sparse ICP和TPS的点云配准算法,有时,待配准的物体会发生形变,而ICP是刚性配准算法,它不适用于发生形变的非刚性配准。基于此问题,本文在使用ICP算法找到两个点云之间的精确的对应关系之后,随机选出部分对应点作为点云的控制点,并作为计算TPS系数的对应点。最后通过计算得到一个变换矩阵,将其作用于其中一个点云使其形变与另一个点云更好的配准到一起。通过实验和分析表明本文的方法能够用于配准发生形变的物体的点云。(3)实现了三维模型.mat文件的点云显示和三角化网格显示。点云显示有时候不能完整的表达整个模型,而三角化的方法能够将临近的点云三角化,用三角形模型来显示整个模型,使模型更加完整。