随着计算机图形学的快速发展,点云配准作为计算机图形学中重要的研究领域,也得到越来越多的关注。点云配准是对多次扫描获取的点云数据进行处理,这些数据既在不同的坐标系下,又没有对应关系。并且由于光线、环境的影响,这些数据中存在噪声点与缺失点等。点云配准需要克服点云数据中存在的问题,通过配准展现更多的现实物体模型信息。本文对目前存在的点云配准算法进行总结与分析,找到目前点云配准算法研究中存在的重点与难点。针对点云数据中存在的问题,本文提出基于最优传输的点云配准算法和质量再分配的概念,具体内容如下:1.提出基于最优传输理论的点云配准算法,即OMT-Reg(Optimal Mass Transport Registration)算法。该算法结合最优传输理论的相关方法,使用最优传输理论中的传输代价表示点云之间的传输距离,并使用最优传输距离度量两个点云分布的相似性。本文提出的OMT-Reg算法将复杂的点云配准问题转换成简单的优化问题,通过建立目标函数优化点云之间的传输距离,最后求解目标函数实现点云之间的配准。2.提出点云质量再分配的概念。点云配准算法研究的难点是在噪声点与缺失点存在比较多的情况下,会出现配准结果不准确的现象。针对点云配准中存在的问题,本文在提出的OMT-Reg算法基础上,对点云中点的质量进行调整。本文提出的质量再分配概念通过削减噪声点与缺失点的质量,减小噪声点与缺失点对点云配准的影响,从而获得更加准确的配准结果。经过质量再分配改进后的配准算法具有很高的稳定性与准确性。实验证明本文提出的质量再分配后的配准算法对噪声点与缺失具有更好的鲁棒性。