随着计算机技术的不断更新升级和硬件设备的发展,计算设备处理数据的能力得到不断加强,使得以前不能够处理的信息成为可能,比如三维数据。从而也推动了三维数据处理技术的不断向前发展,不断向日常应用延生,在各行各业发光发热。例如:3D电影制作、医学图像处理、逆向工程、文物古迹保护工作、3D打印设备制造等。其中逆向工程技术在各行各业工程应用中尤其广泛,是现代工业设计和制造必备技术之一。点云配准技术是逆向工程的重要一环也是难点之一,点云间的贴合程度将直接影响整体三维模型的精度,因此成为学术界研究热点。通常受点云获取设备镜头角度以及三维物体本身形状的影响,很难一次取得物体360度的全部数据。业界通常做法为通过多次从不同角度获取三维物体点云数据,然后通过点云配准算法把各视角点云拼接为完整点云数据。点云配准实质就是把多片不同坐标系下的同一物体点云移动到一个共同的坐标系下的过程。点云配准有手动配准和自动配准之分,通常所说点云配准算法为自动配准算法。自动配准算法又可以分为局部配准算法和全局配准算法,全局配准算法通常精度较高和抗噪性能较好,但往往需要点云有较好的初始位姿并且需要处理数据较多所以需要耗费更多的时间,代表算法有ICP算法和遗传算法等。局部算法速度快但精度稍差,常用的算法有基于几何特征的一类算法。两种算法各有优点及相应缺陷,当前较为成熟算法通常把两类算法组合在一起进行使用,即通过局部算法进行粗配准,为精配准提供初始值,精配准则负责提高最终配准精度。本文从点云配准过程中需要的最基础知识入手,详细推导了本文中需要用到的基础内容,比如组成变换矩阵的各种刚体间的平移变换,计算变换矩阵需要用到的奇异值法和四元素法的基础理论,以及在点云数据处理过程中运用最频繁的kd-tree搜索方法。论文对当今经典的粗配准算法和精配准算法进行了分析和论述,给出了每一种算法的详细推导过程,指出了各种配准方法的适用范围和局限性。在总结了大量优秀算法基础上,文中设计了一种新的基于曲面拟合特征的点云快速配准方法,设计的以多邻域曲率差异值作为筛选关键点依据的方法,有效去除噪声点并为后续过程提供高质量的关键点。以曲面拟合系数为点云特征描述子的方法能够快速获取局部点云曲面的大量信息,区分效果明显。经过初配准,利用在较好位姿状态下正确对应关系与错误对应关系的距离差异大的特点,以距离均值作为阈值去除错误对应关系,所得效果良好。最后本文利用C++进行编程实现,并使用斯坦福三维点云模型分别进行了试验,验证了本文所提算法的正确性和高效性。