计算机辅助手术（Computer Assisted Surgery，CAS）系统是当今医学领域研究热点之一，给临床诊断和手术治疗带来了巨大的进步。其基于图像引导、手术计划和导航定位的手术模式，有效的解决了传统外科手术中病灶的定位问题，提高了手术的成功率，是未来外科手术的发展方向。作为CAS关键技术之一的空间配准技术，其配准精度和配准效率对手术导航的精确性和实时性起着至关重要的作用。　　 本文首先结合目前主流的空间配准方法-最近点迭代法（Iterative Closest Point）对基于表面数据的空间配准原理进行了阐述，并且对后来出现的一系列改进算法作了分类介绍和比较。　　 在这些改进算法的基础上，本文提出了基于多分辨率模式的ICP算法。该算法将表面网格按照一定的分辨率进行简化，先取低分辨率数据进行配准，在之后的配准过程中逐步提高分辨率，实现一种由粗到细的配准。同时，为了提高算法的收敛速度和匹配精度，本文在搜索对应点时先对边界点进行删除，然后采用基于三角网格的近似K-D树策略进行搜索，最后将法向量内积作为权重保证点对的一致性。在迭代的过程中，本文还采用了外推法进行加速。　　 为了验证算法的有效性，本文先利用模拟数据进行了一系列实验，之后又分别利用骨科手术导航数据和牙科手术导航数据进行实验。实验结果显示，该算法在保证良好初始位置的前提下具有较快的收敛速度和较高的匹配精度。　　 本文最后对表面配准算法改进的研究工作进行了总结和展望，总结了本论文所完成的主要工作，指出了在未来研究工作中尚存在的难点和尚需解决的问题。