近年来,随着硬件设备的高速发展,使得原始数据采集精度不断提高,以点云为驱动的研究备受关注。特别是在测绘、智能视觉感知、虚拟现实领域应用广泛。利用点云的采集设备获得点云数据,并对点云进一步处理,以实现高精度、高速率的三维模型重建,是当前热门问题之一。点云配准技术作为建模的基础一环,其配准效果关系到立体模型的优劣。点云配准期望使不同空间、不同位姿的三维点云配准到相同坐标系中。文章主要基于连贯点漂移算法对点云配准技术进行研究,重点讨论了基于最近点迭代和基于高斯混合模型的两种配准算法,首先对原算法的权值设置问题提出一种改进方法,然后针对配准速率退化问题提出一种改进方案,最后利用配准结果拟合得出空间模型。(1)基于离群因子提出一种漂移配准算法的权值设置方法。首先利用离群因子识别配准模型中的离群点,并估计离群点的数量,然后剔除点云中的离群点,减小离群点对配准结果的影响,并弱化标记机制的作用,优化固定的权重值对算法效果的影响,在配准的过程中以离群点基数指导权重参数值的设置。改进方法主要针对原始算法权重参数选取不当导致配准精度缺失提出一种权值估计方法,以及优化大量离群点引发的配准失败问题。(2)在权值设置思想的基础上结合曲率特征提出一种新的配准方法,依据主曲率相似度提取特征点云然后配准。利用二次方程拟合曲面,依据曲面方程计算高斯曲率等,采用主曲率阈值的方法衡量点云间的相似度,将达到阈值的相似点提取出来并配准。此方案主要优化原算法的配准速度退化问题,针对点云规模越大,配准速度越慢的缺点,基于曲率特征减小点云规模,同时粗略建立点云间对应关系,在保留一定空间结构的同时降低点云数量,达到加快配准的目的。(3)依据改进配准方案重构出点云三维模型。利用改进方法配准点云,然后平滑配准后的点云模型得到一组均匀的点云数据,最后通过剖分三角拟合曲面片形成三维模型。