激光三维扫描技术能够快速，精确，无接触地完成复杂物体表面的重构。这一技术正以其独特的优势被广泛地应用于CAD逆向工程，计算机视觉，模式识别，三维动画，虚拟现实，数字医疗，计算机游戏等领域。为重构三维物体的表面形状，必须事先得到物体表面的深度图像信息。由于受到观察方向和物体本身形状的限制，不可能通过一次扫描得到复杂物体的所有深度图像数据。要获得物体表面的完整造型，首先通过激光扫描获取物体表面不同方向的深度图像；然后配准从不同视角获得的深度图像；最后在同一坐标系内合成一幅完整的深度图像并完成对合成结果的造型。其中，深度图像配准是三维数字造型技术中的关键，它直接影响最后的合成结果和造型精度。 现在应用最普遍的配准算法是ICP(Iterative Closest Point)算法及基于ICP算法的改进。这种算法很慢的收敛速度以及每次迭代时对应点的大量计算是其主要缺点。基于平方距离的ICP算法虽然在收敛速度上做了很大改进，但是对应点计算量大的问题没有解决。而且到目前为止，没有对原始ICP算法及改进的ICP算法收敛性及收敛速度的完整理论分析。这使得ICP算法的应用在很多时候都是采用启发式策略，得不到令人满意的结果。 本文着重研究了激光扫描深度图像的配准问题，对已有ICP类算法的收敛性和收敛速度做了分析，指出经典的ICP算法是一种梯度下降法，线性收敛；Chen和Medioni的改进ICP算法是Gauss-Newton法，二次收敛，但可能发散；Mitra等的改进ICP算法是准Newton法，二次收敛；提出一种新的不基于ICP的配准算法来获得两幅深度图像的运动参数，新的算法的基础是C~2连续的曲面在任何一点可在任意小的邻域内展成二次曲面，曲面的曲率是几何不变量，与坐标系的选择无关。首先选定两组深度图像数据的初始匹配点，以初始匹配点为中心，取若干数据点，对这些数据点用最小二乘法拟合二次代数曲面，去掉距离代数曲面远的数据点重新拟合，直到曲面较好地逼近选定的数据点。然后把两张二次代数曲面转换成标准型，从而得到两组深度图像数据的坐标转换关系，把两组深度图像数据变换到同一个坐标系，完成深度图像数据的配准。在优化匹配的基础上，由优化匹配点的法方向和优化匹配点定义一个剖面，去掉剖面两侧多余的数据