随着现代信息技术和图形学的飞速发展,三维重建技术在逆向工程、机器人视觉、医学影像、3D打印、游戏娱乐等诸多领域获得越来越多的青睐。该技术是对扫描设备获取的物体表面点云信息在计算机中进行处理,建立物体的三维数字模型。但受到扫描设备视域范围、测量环境以及物体本身的影响,一次扫描不能够获得物体全部的三维点云数据,为得到完整的数字模型就需要对物体进行多次多视角扫描测量。三维点云配准技术即是通过寻找不同视角下点云之间的映射关系,利用一定的算法将物体点云转换到同一个坐标系下的过程,其关键是求取坐标变换参数:旋转矩阵R和平移向量T。作为三维重建中的重要环节,三维点云配准技术一直以来都是科研学者研究的热点之一,本文在对前人工作进行大量研究的同时,总结设计出两种快速有效的点云配准算法。本文首先对点云配准技术研究的背景意义和国内外现状做了简要介绍。通过研究分析国内外现状,将配准算法分为三类:基于几何固有特征配准算法、基于概率统计配准算法和迭代最小误差配准算法。并详细介绍了点云配准过程中所需的基础知识。其次,设计了一种基于改进CPD(Coherent Point Drift)算法的配准方法。CPD算法是将两片点云间的配准看作是一种概率密度估计问题,利用最大似然函数的方法不断对高斯混合模型的质心(其中一片点云)进行坐标变换,最终达到与数据点集(另一片点云)重合的目的。但这种全局性的配准算法计算量大,在处理海量点云数据时,配准效率非常低。本文利用体素栅格的方法对点云数据进行均匀降采样,将采样后的点云用于配准计算,大幅度减少了计算量,加快了计算速度,同时获得了良好的配准精度。然后,本文在研究前人工作的基础上创新性地提出了一种基于多尺度坐标轴夹角特征的配准算法。算法主要在以下几个方面体现其创新性:依据邻域点与中心点所成向量在法线上的投影均值选取关键点;以局部多尺度坐标系各轴之间的偏差和局部曲率作为特征分量构成关键点的特征描述子;通过特征描述子的最小距离查找对应关系,并使用随机采样一致性和聚类分选的方法进行优化,得到准确均匀的对应关系;利用奇异值分解法求取旋转变换矩阵。最后,本文在VC++环境下,利用多种点云数据对两种配准算法的可行性和有效性设计实验进行验证分析。实验结果表明两种方法都能达到预期的效果,其中基于多尺度坐标轴夹角特征的配准算法计算复杂度低,配准速度快、精度高,无需二次精配准,并且抗噪能力强,具有一定的实际工程应用价值。