点云配准是点云数据处理中一项基础且关键的技术,是三维重建和三维识别等领域的重要内容。在使用三维激光扫描仪获取建筑点云的过程中,由于激光沿直线传播的特性以及物体间的遮挡,为了获得建筑物完整的点云模型,需要围绕建筑物设置多个站点在不同的位置进行扫描。点云配准的任务是将多个坐标系独立的点云通过旋转平移操作配准到一个统一的坐标系下,得到完整的点云模型。本研究来源于企业的实际需求,具有重要的研究意义。本研究针对大规模建筑点云的配准问题,给出了一个大规模建筑点云的配准框架,该框架包括粗配准、精配准和多目配准三个阶段。粗配准用于两两点云之间的初步配准,精配准用于对粗配准的结果进行迭代优化,多目配准则是基于粗配准和精配准,用于多片点云之间的配准。本文的主要研究内容如下:（1）在粗配准方面,采用点云预处理、特征检测、特征描述、特征匹配、误匹配过滤、变换矩阵计算等实现过程。针对误匹配过滤过程的RANSAC算法过滤效果不佳的问题,提出了基于几何兼容性的误匹配过滤算法,提高了误匹配过滤的效果。（2）在精配准方面,针对ICP算法在大规模建筑点云配准过程中实时性能不足的问题,提出了改进的ICP算法,提高了ICP算法的计算效率。（3）在多目配准方面,针对由点云在扫描位置上的邻接关系所形成的拓扑关系,提出了基于拓扑关系的点云多目配准算法,采用改进的形状生长算法、图优化算法和分治算法,分别解决了树形拓扑关系、环形拓扑关系和复杂拓扑关系的点云的配准顺序和误差积累问题。本文使用大规模建筑点云数据对以上算法进行验证。实验结果表明,本文提出的点云配准框架各阶段的算法是有效的,为企业解决了实际需求,具有实际应用价值。