在对大型物体进行三维形貌测量时,多视点云拼接技术是其中一个重要的环节,因为拼接精度将直接影响到最终的三维重构精度,所以对拼接点云进行优化将具有十分重要的现实意义。　　 本文首先从多视点云拼接所涉及到的一些基本三角测量与三角测量平差知识基础入手,详细介绍了应用标志约束的方法对多视点云进行拼接的一般过程,然后针对基于标志点序列扫描点云拼接过程中出现的累积误差问题,提出一种利用光束法平差方法计算最优全局点位的拼接优化算法。该方法以扫描特征点在全局坐标系下的位置为初始值以反投映残差最小化为目的构建优化代价函数,通过迭代的方法计算特征点的全局最优点位,最后以该最优点位为基准对序列点云进行空间位置调整。通过利用标准杆进行重复误差测试和现场测量结果表明,该方法可以明显减少拼接过程中所产生的累积误差,具有提高拼接精度的作用。　　 在一些不允许粘贴人工标志的测量场合,在对从不同视场得到的点云数据进行拼接时,ICP算法是一种被广泛应用的算法,然而在对大型物体进行测量时传统ICP算法在效率与精度上并不能满足工程的实际需求。针对此问题提出了一种适用于单、双目结构光三维测量系统的快速且高精度的点云拼接算法。该算法首先将参考视点云上的采样点反向投影到目标视点云的2D成像平面上,然后再将2D反向投影点正向投影到目标视点云上,展示了一种由目标视投影点到采样点法线上的投影直至收敛于线一面交点的迭代过程。实际测量结果表明,该算法在保证拼接精度的同时显著提高了收敛速度,是一种具有很高实用价值面型点云拼接算法。