三维基准转换中经典的线性Bursa-Wolf模型仅仅适用于旋转角较小的情况,随着测量技术的发展,例如在摄影测量以及三维激光扫描方面,影像匹配和点云配准的本质就是确定任意旋转角下,尤其是大旋转角时三维基准转换的参数。以小旋转角为例,在Bursa-Wolf模型的误差方程的系数矩阵中,一部分是由公共点的源坐标构成,而源坐标即使经过平差处理,还是会含有随机误差或受到随机误差的影响,这与经典最小二乘(Least Squares, LS)的前提假设不相符。兼顾观测向量和系数矩阵中的随机误差,对其进行整体考虑以及全面分析的方法称之为整体最小二乘(Total Least Squares, TLS)。因此,本文任意旋转角下的三维基准转换的整体最小二乘法为研究对象,主要研究内容如下：基于经典LS的Gauss-Markov模型,研究了三维基准转换的线性模型和非线性模型,并通过仿真实验加以验证,实验结果表明：旋转角较小时,线性模型与非线性模型的解算精度基本一致；在旋转角较大时,线性模型的解算结果严重失真,非线性模型的解算结果较好。针对经典LS未顾及到系数矩阵中含有随机误差或受到随机误差的影响,引入了兼顾观测向量和系数矩阵误差的变量误差(Error-in-variables, EIV)模型,并给出了其基本形式和估计准则。以EIV模型为基础,研究了两种加权整体最小二乘(Weighted TLS, WTLS)迭代算法,并以直线拟合为例,比较两种WTLS算法精度,实验结果表明两种WTLS算法精度是等价的。另外,与LS解算的估计参数进行对比,实验结果表明WTLS方法得到的参数明显优于LS,斜率α和截距b精度分别提高62.33%和66.80%。本文基于三维基准转换模型和Newton-Gauss的WTLS迭代算法,探讨了任意旋转角下三维基准转换的整体最小二乘法,提出基于Newton-Gauss的WTLS正交约束模型。通过仿真实验,以均方根误差作为精度评定指标,相比于LS,平移参数ΔX、AY和△Z的精度分别提高了75.29%、61.08%和65.98%,尺度参数K的精度提高了68.01%,旋转参数εx、εy和εz的精度分别提高了71.89%、70.80%和68.49%,充分体现了整体最小二乘方法的优越性,同时验证了本文模型在解决任意旋转角下三维基准转换问题的正确性和合理性。其次,采用实测案例数据,验证本文模型的通用性。实验结果表明：本文提出的方法在一定程度上提高了三维基准转换的精度,算法收敛速度更快,具有通用性且易于实现,对实际生产具有一定的应用价值和指导意义。