配准问题是计算机视觉以及摄影测量领域主要的研究课题之一。配准研究主要是将多个不同坐标系下的数据转化到同一坐标系下，并对齐它们相互之间共同的部分。用于配准的数据一般包括图像，点云等。　　伴随近年来3维激光成像技术的发展，点云在各个领域的使用越加广泛，点云配准也成为热门的研究课题。点云的配准通常包含点云与点云数据间配准，图像与点云数据间配准。　　本文在描述点云线结构特征的基础上，提出了一种基于结构的大规模点云数据配准方法。具体的，对于点云数据间的配准而言，我们通过结合点云数据中的线结构以及面结构特征，降低点云的数据复杂性，同时引入3维面线结构集合相似性度量，在此基础上提出一种多层次的基于结构的点云配准框架。对于图像与点云的配准来说，提出了一种包含少量人工交互的，半自动化配准方法，通过使用人工干预的方法进行初始化，获取近似投影矩阵，并利用基于局部搜索的迭代更新策略不断优化投影方程，完成图像与点云的配准。通过在多个真实点云数据中进行实验比较分析，可以看出基于结构的配准方法与传统配准方法相比较，在运行时间，配准效果以及鲁棒性上都有了很大的提高。