本文利用激光扫描仪获取到的深度数据进行大型场景的三维重建在数字古建、文物保存等领域具有广阔的应用前景。通常文物保护，数字考古的场景对象都是大型的几何复杂的场景，对这些大型复杂场景的三维重建存在着很多的问题等待着我们去研究。其中基于深度数据的配准问题就是其中研究的热点之一。 这种复杂场景的三维模型，由于文物保护，考古研究等应用需要，通常需要具有很高的精度和分辨率。然而由于这样的复杂场景规模通常比较大，如果要得到精细的三维模型就必须用高精度高密度的扫描仪获取数据。而这些高精度高密度的扫描仪通常的扫描范围比较小，也就是说扫描得到的一片数据只是巨大场景中的很微小的一部分。这样就对后面的配准过程造成很大的困难。首先，每片数据的范围比较小，要得到整个场景的数据就必然需要变换很多视点进行多次扫描，不仅数据获取需要大量的时间，而且由于视点数目太多，造成的累积误差就不好控制。其次，由于每片数据范围很小，这样每片数据中的比较突出的特征就比较少，这对于对应特征点的选取是很不方便的。而且也容易在ICP(IteratedClosestPoints)迭代过程中陷入局部最小，造成配准失败。再者，为了能够找到两片数据之间的对应点，就必须使得两片数据之间有大量的重叠，这也造成了数据冗余。 针对这些实际存在的问题，我们充分利用不同扫描仪的特性，在实际运用中把他们有效的结合起来，达到功能上的互补，提出了一种新的配准方法可以很好的解决上面提到的在大型复杂场景配准过程中存在的问题。我们的方法思路是这样的：首先，我们用低精度低密度的扫描仪获取复杂场景的低密度数据(由于低密度扫描仪扫描范围广，所以可能只要很少视点的数据就可以得到一个完整的物体或场景低密度数据)。然后，再用高精度高分辨率的扫描仪获取复杂场景的高分辨率数据。接着，把每一小片高分辨率数据与大片的低分辨率数据进行两两配准，这样就可以得到所有高分辨率数据配准得到的模型。最后，进行全局调整，得到精确的高分辨率三维模型。 这种方法，在进行多视点配准的时候，由于引入了低分辨率数据约束，为全局调整提供了较好的初始位置。有效的解决了累积误差的问题.而且由于先是小片的高分辨率数据往大片的低分辨率数据上配准，这样对应点比较好选择，并且两片高分辨率数据之间只需要很小的重叠部分，甚至不需要重叠部分，这样就可以减少数据量，简化配准过程。还有在整个配准过程中，占用内存少，对于海量数据的配准具有一定的优势。