点云拼接技术作为处理点云的关键步骤，在逆向工程、虚拟现实、文物保护、机器人视觉和医疗技术等诸多领域得到了应用，但其在逆向工程中应用最为广泛，它对点云曲面的重建起着重要的作用。传统的点云拼接技术往往需要人工辅助，这样的拼接技术在很多方面的鲁棒性并不强，拼接精度也不高而且比较耗时。因此，快速、精准、强鲁棒性的点云自动拼接技术长久以来都是点云数据处理的研究热点。　　论文从旋转图像和正态分布转换两个方向着手，分别研究和改进了相应算法，实现了可行、有效的点云拼接技术。　　首先，论文研究了基于旋转图像的点云拼接算法，该方法根据一个点与其周围点的两个距离关系建立旋转图像，从而将点的3D信息转换为2D信息进行表示，以方便查找对应点对。但对于噪声点云的拼接，其鲁棒性不强，因此对其进行了改进，使用一个角度信息替换2D信息中的任意一个距离信息，从而使算法对噪声点云的拼接有了较强的鲁棒性。　　其次，论文研究了基于正态分布转换的点云拼接算法，它是一种可以简洁描述曲面的方法，该算法中有个关键参数即体素尺寸，体素是立方体格子，用于分割点云，其大小决定着点云拼接效果的好坏，而通常使用的是固定大小尺寸的体素，对于点分布不均匀的点云来说，这样的分割会产生不均衡，从而导致拼接效果的不理想。因而，在此基础上进行了改进，使用变尺寸体素分割点云，提高了点云的拼接精度。　　最后，分别对两类算法进行大量的实验对比，验证了改进的旋转图像算法对噪声点云的拼接效果更具有强鲁棒性，也验证了改进的正态分布转换算法能得到更高的点云拼接精度。