随着航空航天空间探索的发展,自主交会对接等太空任务的实现技术已经成为现代科技领域的重要研究内容,其中的目标相对姿态测量技术是必不可少的关键。点云配准是计算机视觉领域许多研究重点的基本问题之一,能被广泛应用于三维重构、姿态估计及模式识别等领域,因此点云配准方法的研究具有重要意义。随着计算机视觉领域相关技术的研究与发展,基于稠密点云配准的双目视觉姿态估计系统具有配置简单、测量精度高及功耗低等优点,得到广泛关注与研究。该系统姿态参数的解算即采用稠密点云配准的方式实现,特别是基于模型的点云配准将测量所得的目标物体的部分数据点云与完整的模型点云进行配准,能够解决非合作目标的相对姿态估计问题。然而现存的点云配准算法由于在其精度、速度或鲁棒性等性能上的不足,难以保证将任何位置状态下具有大量噪声点或奇异点的测量数据点云成功配准到模型点云上,同时对于稠密点云配准的效率也较低,因此难以直接应用于双目视觉姿态估计系统的姿态参数解算过程中。为克服上述姿态解算过程存在的问题,本文主要研究基于模型的全局点云配准算法来满足应用要求。首先研究基于等效距离场的点云配准算法,采用隐式B样条曲面拟合建立距离场,并利用Levenberg-Marquardt算法优化求解配准参数,以满足配准过程的精度和速度要求。其次研究按照分支限界策略搜索具有非凸性的配准误差函数的全局最优解的方法,以此克服局部配准算法可能陷入局部最优位置的缺点。然后结合基于等效距离场的局部配准算法加速收敛,最终形成基于模型的全局点云配准算法,保证全局收敛性和鲁棒性要求。本文基于模型的点云配准通过结合利用等效距离场的局部点云配准和采用分支限界的全局最优配准参数搜索方法实现。通过采用经典三维点云库中的模型数据进行实验与分析,验证本文方法具有精度高、速度快、鲁棒性较好且保证全局收敛性的特点;采用双目视觉系统测量的点云数据进行三维姿态估计实验,证明本文方法能够满足基于稠密点云的双目视觉姿态估计系统的应用需求。