点云的特征检测是点云数据处理中最基础也是最重要的一个环节,数据处理中的多数算法都与点云特征提取有一定的关联,例如:点云的配准、分割、曲面重建、重采样等。其中,点云配准技术在计算机视觉中起着举足轻重的作用,并且广泛应用于三维重建、目标识别与跟踪、智能机器人等领域,具有重要的研究价值。传统的基于点特征的点云配准技术,无法保证对应关系的准确性和效率。随着对测绘成果的要求不断提高,对配准技术的要求也随之提高,继续研究点云配准技术对其它相关领域的发展也具有积极的推动作用。由于平面特征的稳定性,基于平面特征进行点云配准是一个重要的研究方向。目前,有学者提出来基于平面特征的点云配准技术,但是当点云数据出现粗差或者噪声时,可能出现配准结果不理想的情况。在三维场景中,除了平面特征,还有其它曲面模型,例如圆柱。目前对圆柱特征的研究相对较少,且大多数方法在点云数据不完整或者较稀疏的情况下会影响拟合的圆柱精度。作为对点云特征研究的延续,本文对多元时间序列的相似性特征也进行了探讨。对于多元时间序列的相似性研究,目前主流的研究方法是将多元时间序列当成一元时间序列的推广进行的,难以平衡效率与准确率之间的矛盾。本文结合点云,将多元时间序列看作是点云在空间中以某种特殊的形式排列组合的结果,通过点云的特征来进行研究,提取相似性的特征。因此,本文主要从点云平面特征、圆柱特征和特殊的点云--多元时间序列相似性特征三个方面进行深入研究,具体内容如下:（1）由于3d Hough变换提取平面复杂度高、速度慢,对3d Hough变换进行了改进,提出了基于法向量的点云平面特征配准方法。用改进的3d Hough变换提取平面特征,用平面特征代替传统的点特征作为配准基元,建立基于平面的坐标转换模型。通过对算法复杂度的分析和实验验证,表明了提出来的方法在速度上有所提升,且不依赖初始值,避免了局部最优陷阱。（2）目前拟合圆柱特征的方法在点云数据不完整或者较稀疏的情况下会影响拟合的圆柱精度,且对初始值具有一定的依赖性。针对这些问题,本文提出了无迭代的圆柱特征拟合方法。通过旋转和投影变换,将三维问题转换为平面问题,然后基于最小二乘原理,求得圆柱特征参数。实验表明,提出来的方法原理简单,便于实现,而且具有很好的精度,最大的特点是避免了迭代算法,提高了计算效率。（3）现有的多元时间序列的相似性研究主要是改进一元时间序列相似性特征的方法,这些方法难以平衡效率与准确率之间的矛盾。本文将多元时间序列看作特殊的点云,通过分析多元时间序列的特征来研究相似性,提出了基于分段线性化的多元时间序列相似性度量方法。利用空间折线的性质,将多元时间序列进行投影,并引入了滤波点、滤波线、转折点的概念,对投影进行分段线性化表示,构建多元时间序列的模式表示,并用动态时间弯曲距离进行相似性分析。