三维模型自动化重建是数字摄影测量与三维激光扫描领域的重要研究方向。光学影像的三维重建技术已经非常成熟,但仍然有其局限性,其重建几何精度低于三维激光扫描仪获取的三维点云精度,研究光学影像和三维激光点云融合具有重要意义。要实现这两种不同源数据的融合,关键在于将光学影像和三维激光点云统一到同一坐标系,即配准。光学影像和三维激光点云粗配准主要通过特征的提取和匹配来实现,然而手动提取控制点费时费力,尤其对于特征不明显的三维点云,特征提取困难。光学影像和三维激光点云精配准算法最常使用的是ICP（Iterative Closest Point）算法和互信息算法,这些算法对畸变差小的光学影像效果较好,当光学影像畸变差大时,配准效果差。光学影像三维重建是指通过将具有一定重叠度的多张光学影像匹配、空中三角测量生成稀疏点云、经过密集匹配可以生成密集点云,再通过构网,纹理映射生成带纹理信息的三维模型。论文中将影像生成的稀疏点云或密集点云简称为摄影点云,将光学影像和三维激光点云融合的三维重建技术需要首先实现摄影点云和三维激光点云的配准。由于摄影点云与三维激光点云存在尺度不一致问题,而且存在点云局部密度差异大的问题,摄影点云与三维激光点云配准难度大。本文以解决光学影像和三维激光点云配准问题为目的,对涉及到的关键技术进行研究,主要的研究工作如下:（1）研究基于影像生成的稀疏点云、密集点云与三维激光点云自动粗配准的方法。提出了基于引入尺度改进的4PCS（4-Points Congruent Sets）算法,实现影像与三维激光点云自动粗配准,针对影像空三连接点精度高、点数量少,密集点云精度低、点数量多,结合稀疏点云和密集点云与三维激光点云进行粗配准,在确定最大四点平面集数量时赋予稀疏点云更高的权重,实验表明,本文的粗配准算法能取得较好的效果。（2）研究影像生成的稀疏点云与三维激光点云精配准中的非刚性配准方法。研究以基于引入尺度改进的4PCS粗配准方法为刚性配准方法,点-点约束的光束法平差模型作为非刚性配准,实现刚性-非刚性交替配准。在点-点约束的平差模型基础上,提出点-面约束的光束法平差模型,提高了光学影像与表面曲率变化较大的三维激光点云精配准精度。