三维空间下的曲面匹配,是逆向工程和计算机视觉智能的核心技术,也是虚拟现实、工业生产、文物修复和医学图像配准等应用领域的基础性工作。当前,基于激光扫描点云的三维曲面匹配方法大都基于包含点云坐标、颜色和强度信息等给出的,这给方法的普适性带来了限制。由于空间曲面匹配的实质是曲面几何形状的匹配,为此,本文以仅包含顶点坐标信息的点云曲面匹配进行更加深入的研究,主要工作概述如下:（1）设计了一种适合曲面匹配的三维关键点提取扩展算法。并针对本文所需要处理的仅包含顶点坐标信息的点云数据,通过计算点云数据中每个顶点的曲率信息作为尺度不变特征变换算法中所需要的点云强度信息或者颜色信息的替代值,对尺度不变特征变换算法的适用性进行改进。最后,通过改进后的尺度不变特征变换算法进行关键点提取,以得到关键点集合。（2）给出了一种基于快速点特征直方图和模型主趋势约束的关键点匹配算法。首先计算关键点处的快速点特征直方图,根据关键点处的快速点特征直方图对关键点之间的对应关系进行初步筛选,然后利用主成分分析法求取模型的主趋势,根据模型中心点到关键点的向量和模型主趋势向量之间的夹角作为约束条件,进一步筛选关键点之间的对应关系。最终,根据关键点处的特征描述与模型主趋势向量分别作为约束条件计算出比较精确的关键点匹配点对集合。（3）给出了一种基于关键点对匹配的点集合刚体变换参数求解方法。首先,计算每一组关键点对分别到各自模型中心的欧几里得度量;然后,计算关键点对之间欧几里得度量的比值;接着,通过求取两个点云模型关键点对集合中所有的欧几里得度量比值的平均值作为两点云模型之间的缩放因子,实现两点云模型的尺度匹配;最后,根据关键点匹配点对集合使用奇异值分解方法求解两点云模型的旋转平移参数,实现模型曲面的粗匹配。（4）实现了一种基于迭代的曲面精确匹配优化方法。首先,通过精确的关键点匹配点对集合求取模型曲面之间的初始位姿估计;然后,再基于ICP算法进行二次匹配,完成两个模型曲面之间的精确匹配。