地图点集配准是车辆导航、移动机器人、全景地图等领域中的关键技术之一，它是使两幅空间位置不同的点集经过一系列空间变换后实现空间位置统一的过程。随着计算机视觉、图像处理以及网络技术的不断发展，在实际应用中对地图点集配准算法的实时性要求也越来越高，因此研究能够实现对地图点集快速鲁棒配准的算法是十分必要的。基于此，本文重点研究和讨论了面向地图点集配准的快速鲁棒性算法。本文主要工作如下：首先，由于地图点集具有点数多、结构复杂以及易受传感器噪声干扰等特点，通常对其配准精度较低且耗时严重，难以满足自主驾驶等情况下的实际需求。本文在点集经典配准算法ICP（Iterative Closest Points，ICP）的基础上，利用多尺度层级化思想，提出了一种多尺度层级ICP算法（Multi-scale IterativeClosest Points，MSICP），提高了配准速度和精度。该算法先对待配准地图点集进行层级化，随后将粗尺度点集配准后的转换矩阵作为原始点集配准的初始转换矩阵，最终实现对原始刚体地图点集的ICP快速精确配准。实验结果表明，该算法的配准速度及精度优于其他ICP算法，具有一定的理论和实用价值。其次，本文在刚体地图点集的多尺度层级ICP算法的研究基础上，又提出了一种面向非刚体地图点集的多尺度层级ICP算法（Multi-scale Scale IterativeClosest Points，MSSICP）。所提算法首先对非刚体地图点集进行层级化处理，并对粗尺度点集进行非刚体配准，运用其配准结果作为原始点集配准的精确初值，最终实现了各向同性以及各向异性等变尺度图像点集的快速鲁棒配准。实验结果表明，所提算法的配准速度及精度同样优于其他ICP算法。最后，针对地图点集点数多且易受噪声影响，结构复杂但相对鲁棒等特点，本文在利用骨架算法生成地图结构信息稀疏表示的基础上，提出了一种骨架ICP算法（Skeleton Iterative Closest Points，SKICP），以提高算法的配准速度与精度。该算法首先对原始点集的粗尺度地图点集的骨架进行提取，随后将粗尺度点集的骨架配准后的转换矩阵作为原始地图点集配准的初值，从而最终实现对原始地图点集的快速精确配准。实验结果表明，所提算法的配准速度和精度均优于其他的ICP算法，且具有一定的理论和实用借鉴意义。