三维点云的拼接是逆向工程中不可或缺的工作,将多个视角下的三维点云进行拼接、融合是长久以来学者们不断研究讨论的问题。本文着重研究了基于非编码标志点的点云拼接,通过粘贴辅助标志点快速完成点云的拼接,并进行后续的融合等处理。本文的主要创新点与工作如下:1)为了快速、精确的在二维图像中检测标志点,提出了一种基于椭圆外切矩形性质的圆形标志点检测算法。首先,将椭圆的准圆性质引入到椭圆中心的定位中;然后,通过椭圆外切矩形的性质确定椭圆的其他参数;最后,利用MeanShift算法将椭圆按照其长短轴长度进行聚类,提取出最终的目标椭圆类。在仿真与真实图像中的实验表明,该算法拟合精度高、检测性能优良,对具有部分残缺的椭圆也能有良好的识别效果;2)在粗拼接方面,为了剔除测量误差、标志点检测误差与标志点粘贴失误导致的错误匹配,本文提出模拟编码标志点的匹配方法,首先利用距离矩阵找出所有匹配三角形,再构造三个筛选条件提取正确的匹配集,通过标志点间的匹配信息完成粗拼接。在精确拼接方面,为了避免ICP算法的过度匹配,本文提出自适应重叠率搜索的ICP算法,将Trimmed ICP进行改进,实验证明,本文算法搜索重叠率不依赖其他参数,在多种点云密度下都能保证良好的拼接效果;3)为了去除点云拼接后的冗余并保留点云细节,本文提出根据法向量差的区分融合算法,在法向量差较小的部分,采用基于均值滤波的点云融合方案,在法向量差较大的部分,采用基于法向约束的点云融合方案。实验证明,本文算法在获取光顺融合表面的同时能有效的保留点云的局部特征。最后,本文设计了点云的全局配准流程,将标志点检测、点云拼接、融合等章节的内容进行整合,借助实验室设备完成了全局配准任务。