在3D打印、逆向工程和虚拟现实等多领域工程应用中,多视点云对齐是实现三维模型曲面快速、精确重构的基础,同时,其方法也是计算机视觉技术的研究热点之一。近年来,点云对齐算法的研究渐趋成熟,特别地,迭代最近点(Iterative Closest Point,ICP)点云对齐算法及其改进算法在解决小角度错开点云的对齐问题时,具有良好的鲁棒性和对齐精度,是应用最为广泛的点云对齐算法之一。但该类点云对齐算法往往受到点云初始位置影响,对齐精度容易陷入局部最优,无法实现多视点云精确对齐。本文围绕ICP点云对齐算法涉及的初始位置问题进行讨论和研究,通过对不同的点云对齐方法进行归类总结,提出了基于适应性克里格模型的ICP点云对齐算法,主要的内容和创新点包括:1)对传统ICP点云对齐算法的原理及其实现流程进行详细阐述,提出求解初始变换矩阵,是其实现多视点云精确对齐的关键环节;针对初始变换矩阵求解的非凸优化问题,构建了相应的仿真模型及可行域区间,并利用模拟退火算法对该仿真模型寻优,求解出优化的变换矩阵,进而实现ICP点云精确对齐。2)针对模拟退火算法寻优过程中多次调用仿真模型产生的高昂时间成本问题,提出利用克里格响应面拟合并替代模拟退火算法寻优过程中的仿真模型,提高ICP点云优化对齐效率。在此基础上,对实验设计方法、克里格响应面的构建原理及其参数求解问题进行了详细的介绍,并通过测试案例验证了基于克里格的ICP点云对齐算法具有较好的鲁棒性和点云对齐效率。3)为了进一步提高克里格响应面模型重构的稳定性,提出基于自适应采样的克里格响应面,通过设计候选样本集,利用不相关性、空间填充性和克里格响应面预测误差极小等准则确定需自适应增加的候选样本点,适应性构造克里格响应面,通过测试案例验证了基于适应性克里格的ICP点云对齐算法在多视点云对齐应用中具有更高的柔性。4)本文将基于适应性克里格响应面的ICP点云对齐算法应用于理想点云测试案例和多视扫描的斯坦福兔子工程案例中,通过与传统ICP点云对齐算法和RANSAC点云对齐算法进行对比,验证了该算法对于不同初始位置和带高斯噪声的点云对齐问题具有良好的对齐精度和稳定性,并分析讨论了工程案例中多视点云对齐精度及其曲面重构结果,进一步验证了该算法具有一定的工程应用价值。