真实物体的三维重建是计算机视觉领域的一个重要课题,有着广泛的应用前景。对目标物体进行三维重构之前,首先需要获取目标物体的三维数据。三维激光扫描技术是一种采集三维数据的新兴手段,可以准确快速的采集到目标物体的三维点云数据。但是由于受到观察环境、观测仪器和物体本身形状的多个限制,不可能一次性得到复杂目标物体的所有三维点云数据。因此,应首先通过三维激光扫描仪从不同视角获取目标物体表面的三维点云数据,然后将不同视角下采集得到的三维点云数据进行拼接,最后再在同一空间坐标系内进行融合,从而完成对目标物体完整的点云模型构造。三维点云数据配准是三维建模中的关键技术,它直接影响最后的合成结果和模型精度。目前常用的点云配准方法是采用迭代方式逐渐逼近最佳结果,其迭代速度较慢,并且在数据集初始位置差异较大时,可能会出现错误的配准结果。本文针对刚性物体的三维点云数据,研究了点云数据几何特征提取和配准过程中遇到的问题,通过特征点集确定匹配点集,再将随机采样一致性算法和最近点迭代算法相结合来进行点云数据配准算法的优化。主要开展的工作如下:第一,通过目标点及其邻域点拟合曲面,通过曲面的几何曲率变化提取三维点云数据的特征点,组成特征点集。第二,通过豪斯多夫距离条件从特征点集中筛选出初始匹配点集,然后通过随机采样一致性算法结合距离约束条件对初始匹配点集中的错误点对进行剔除,获得准确的匹配点集以及初始转换矩阵。第三,采用优化后的目标函数解算方法,利用迭代最近点算法通过不断迭代,求出最终的刚体转换矩阵,完成三维点云数据的配准工作。经过实验结果证明,本文使用的这种通过特征点集确定匹配点集,再将随机采样一致性算法和最近点迭代算法相结合完成点云数据配准的方法,具有较高的配准精度。