随着三维激光扫描技术的发展，它以采集具有主动性、点云数据精度高、实时性强、表达容易等优势，迅速成为当今获取对象三维信息的一种重要方法。由于三维点云数据是以点的三维坐标呈现，因此这种通用的数据格式能对形变分析、模型量测、数字展览、虚拟修复、虚拟现实、目标重建等具有很高的应用价值。　　针对传统的栅格法与曲率法对数据模型进行精简时特征点易丢失、边界保留不完整和传统ICP配准算法要求点云重叠度高的问题，提出了基于边界保留的K均值聚类精简算法和基于一致性球的点云配准算法。精简算法首先使用k-d树进行质心初始化，然后使用X-Y边界提取算法来保留边界完整性，最后根据曲率高低对簇进行细分，使在高曲率区域保留必要多的点，在平坦区域保留一些均匀分布的点，并利用实验验证了该算法的优越性。配准算法在寻找对应点方面，创新性的将球体的旋转不变性与基于邻域的SVD正交一致性算法结合起来，使得配准算法能够获得较高正确率的对应点，并以此为基础，进行扩散，得到更多的对应点，然后使用刚性约束对错误点对进行剔除，最后使用四元数法求解变换矩阵。结果证明，该方法不仅克服了传统ICP配准算法的缺陷，而且精度也优于传统ICP配准算法，并能较好的应用于实际工程中。