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。通常,在进行三维模型的重建时,由于受观察方向和物体自身形状的限制,需要分别从不同角度获取物体表面的三维数据。因此,不同视角间的三维数据配准显得尤为重要,它直接关系到三维重建的重建精度及自动化程度。目前,应用最普遍的数据配准算法是最近点迭代(ICP)算法,它采用迭代方式逐渐逼近最佳结果。但ICP配准算法的收敛速度较慢,且不能保证收敛到全局最优点。在数据集初始位置差异较大时,ICP算法可能出现错误的配准结果。因此,选择合适的粗配准方法,使数据集能够获得一个相对良好的初始位置,是决定ICP算法配准结果的一个关键因素。本论文针对三维重建过程中的点云数据配准问题,进行了深入的研究。选择基于仿射不变量的RANSAC配准算法,作为粗配准算法。在算法实现上,提出了一种简单的提取共面四点的方法,并通过改进寻找共面一致四点集的方法,加快了算法的配准速度。实验结果表明该算法快速稳定,且有较高的鲁棒性。在ICP精确配准过程中,选择ICP不同阶段的不同方法,形成了一种简单且快速的ICP算法。实验结果表明,该算法收敛速度较快。论文把RANSAC粗配准算法与ICP精确配准算法相结合,具有较高的收敛速度和鲁棒性。实验开发了基于仿射不变量的RANSAC粗配准算法及ICP精确配准算法的三维点云数据配准软件,该软件简单易用,框架清晰简单,支持标准ply格式的三维点云数据,给今后的理论研究提供了有力的软件平台支撑。