随着数字化和信息化的兴起,三维扫描技术也不断发展,基于三维扫描设备获取的三维点云数据在机器人、医学图像处理、文物保护、场景建模等众多领域得到了广泛的应用。但三维扫描设备由于自身的局限性及光照、遮挡等外在因素的影响,并不能一次性得到待测物体各个面的完整点云,需要从各个视角多次扫描待测物体得到“片面”的点云数据。这些“片面”的点云数据并不在同一个坐标系下,需要利用点云重叠区域进行坐标变换使其统一到同一个坐标系下,这个过程即为点云配准。点云配准作为三维重建技术中的关键步骤,其配准结果的好坏将会左右整个模型重建的效果。因此,三维点云配准在三维点云处理技术中一度成为研究焦点。现已取得了不少研究成果,但现有算法在速度、精度、鲁棒性、稳定性等方面仍然存在问题。鉴于此,本文针对不带颜色信息的点云和带颜色信息的点云在现有算法的基础上进一步展开了研究,主要研究内容如下:(1)针对不带颜色信息的三维点云数据,为解决经典ICP配准算法容易陷入局部最优的问题,采用粗配准结合精配准的二次配准方案。在粗配准中,采用特征直方图结合RANSAC算法进行粗配准。为了加快近邻点的搜索,首先在算法中引入KD-tree结构。为了进一步保证粗配准算法的有效性,对算法中关键的特征提取部分进行了改进,使得算法在不损失大量特征不明显的关键信息的前提下,能够有效提取特征点。为了确保算法具备一定的鲁棒性,在获得初始配准点对后采用刚性距离约束和RANSAC算法进一步剔除误匹配点对。但在实际应用中仅仅是粗配准并不能满足人们对配准的精度要求,需要在粗配准后进一步精确配准以满足实际应用。本文提出的精配准算法在现有的多分辨率配准点算法的基础上进行优化,首先通过特征点的稠密度获取点云的最大分辨率,并对特征点的采样方式进行了优化。该算法提高了在特征不明显的情况下配准的精度。经标准点云数据实验验证,该方法对于不同规模的点云数据和含不同程度噪声的点云数据均能有效完成配准,其在精度、速度及鲁棒性方面都有所提升。(2)针对带颜色信息的三维点云数据,为了充分利用其RGB颜色分量,提出了一种新的4D-ICP算法。该方法可在一定程度上解决点云表面比较平坦、几何特征不明显时传统3D-ICP配准效果较差的问题。在该方法中,首先采用加权平均法将RGB值转化成灰度值,并根据灰度值方差与各曲率方差之和的大小设置权重因子的大小,然后根据权重因子自适应的调整灰度信息和曲率信息对配准的影响,实现基于灰度信息和基于曲率信息的有机结合。通过扫描的真实实验数据验证,该方法实现了不同点云数据的稳定配准,且相较于现有3D-ICP,其精度相对更高。