作为一种新兴的空间数据信息获取技术,三维激光扫描技术现已在文物保护、逆向工程、虚拟现实等多个领域有着广泛的应用。点云数据配准是指为了得到被测目标的完整数据,将从不同视角采集的点云数据统一到相同的坐标系下的过程。随着点云配准技术的广泛应用,如何得到既快速又精确的配准结果成为了当前点云自动配准算法研究的主要目标。本文主要内容如下:(1)实现了基于PFH和FPFH两个特征描述算子以及采样一致性原理的初始配准方法。通过提取关键点、计算关键点的描述算子、采样一致性算法匹配点对这三个主要步骤来完成点云初始配准。(2)对于原始ICP算法,通过引入体素格网法来完成对点云数据的精简;通过采用RANSAC算法剔除错误点对,来实现对相对低重叠区域点云数据的配准。并以此为基础,提出了改进的ICP点云精细配准的方法。(3)本文利用以上理论对三组不同类型的点云数据进行了实验。实验结果表明,利用PFH和FPFH两算子均完成了点云初配准的工作,并且使用FPFH算子的方法有较高的效率。利用改进的ICP算法在上一步实验的基础上对点云进一步配准,取得了更高的精度,证明了算法的有效性。