三维激光扫描技术凭借能够完整,高精度地重建扫描物体并快速访问原始测量数据,同时具备高精度,快速接近物体原型等优点,目前已经成为主要测绘技术手段之一。三维点云的配准技术是整个点云数据处理过程中的核心环节,直接影响着被测物体的三维重建的效果。在测绘成果要求不断提高的背景下,对点云配准技术的要求也随之提高,继续深入研究点云配准技术对测绘技术的发展以及其他相关领域的技术的推进具有重要的意义和作用。在分析了目前配准算法的一些优势以及不足之处的基础上,针对目前现有的点云配准研究上存在的一些问题,对目前点云配准技术所面临的问题展开以下研究:（1）针对含有颜色属性的三维点云数据,传统多尺度协方差（Multi Scale Covariance,MCOV）描述符方法虽然可以有效地识别和匹配三维表面特征,并通过几何约束找到对应关系,完成三维点云的精确配准,但是由于协方差矩阵是多维数据,当三维场景中的点云数据量较大时,MCOV方法提取关键点的时间复杂度较高,导致整个点云的配准过程非常耗时。而本文提出一种基于法向量夹角这一局部特征的变化来提取关键点,根据点云局部法向量的变化程度,选择变化较大的局部特征作为关键点,然后利用多尺度协方差描述符寻找对应关系,同时还采用博弈论方法剔除错误对应关系。实验结果表明,该方法可以快速找到理想的关键点,与MCOV方法相比,本文提出的方法能有效地减少关键点提取时间,其配准效率显著提升。在提高的配准效率的同时,本文方法的配准精度以及对噪声的敏感性与MCOV方法具有一致性。（2）对于不含颜色属性的点云,由于没有将颜色信息加入到约束条件中,约束条件减少,仅利用点云的几何特征进行协方差矩阵的建立来进行点云配准,势必对配准精度会有所影响。因此,在协方差的基础上,针对无颜色信息的点云提出一种基于协方差特征值的粗配准方法。该方法首先利用体素下采样来对点云数据进行精简以提高配准效率,然后,通过局部邻域特征来构建协方差矩阵,根据协方差矩阵的特点计算出矩阵的特征值和特征向量,并对特征值进行归一化向量处理,以此来寻找初次对应关系。由于初次对应关系约束条件少,精度较低,所以进一步通过对应传播的方式找出精确的对应关系并结合随机采样一致性误匹配的剔除方法确定最终的对应关系来完成初始配准。通过实验对比分析,该方法能够有效完成点云的初始配准,提高配准精度,为精配准提供良好的初始状态,达到令人满意效果;另外,相比其他方法,本文方法适用性更广,在点云重叠度较低的情况下,本文方法仍然能出色的完成点云的配准。图[37]表[6]参[79]