科学技术的繁荣发展带给人们诸多便利,三维数据的展现形式层出不穷,逐渐转变着人们的生活模式和思维形式。点云是物体或场景的空间形态和颜色信息的一种特殊表示形式,通常由三维扫描仪或RGB-D相机获取。但是由于摄像机的视角限制,每次三维扫描设备只可记录一定范围内的点云数据,因此需要使用点云配准算法将不同角度的点云进行对齐。三维点云配准作为视觉范畴的经典研究问题,在三维建模、动画设计、文物修复、医学模型处理等领域具有重要意义。点云配准通常分为两个环节:粗配准和精配准。前者进行点云的大致对齐,而后者关注点云之间的细节差异,对齐点云之间的精细部分。已有的点云配准算法各式各样,在质量较好的点云数据集上已经可以获得十分可观的配准结果。然而对于一般的低分辨率相机获取的点云来说,以及含有较多噪点、几何特征不明显、具有很多缺失信息的室内场景点云,这些算法通过相对复杂的计算过程仍然不能获得相对理想的配准结果。针对低分辨率的室内场景点云如何达到理想配准结果的问题,本文提出了相似性概率驱动的室内场景点云配准算法,主要工作如下:（1）本文构建了基于标量化的距离矩阵和基于矢量化的差分矩阵,用于表示关键点的坐标和位置关系,以此作用于关键点对应概率的计算过程;（2）本文提出了一种相似性概率驱动的方法来计算两个点云关键点之间的匹配概率,并与距离矩阵和差分矩阵的思想相结合,以实现室内场景点云的配准;（3）本文提出结合颜色信息与四元数的点云配准优化算法,将场景点云的颜色信息结合到配准算法中,用四元数表示方式代替复杂和传统的矩阵形式。在实验过程中,论文基于多种类型的室内场景的RGB-D数据集进行了大量的消融实验和对比实验,以证明算法的有效性。实验结果表明,本文的方法在几种数据集中可以获得质量较好的配准结果以及较高的计算效率,尤其对于分辨率较低、场景复杂且无突出特征的场景点云,算法具有明显优势。