近年来，人工智能和物联网技术的迅猛发展，带动了各领域的大变革，如工业上的 智能制造、医学上的智慧医疗、城市规划上的智慧城市和人们生活中的智慧家居等。在 各智能系统中计算机视觉技术起着至关重要的作用。而三维点云配准技术是计算机视觉 领域的重要技术之一，该技术主要应用于物体或场景的自动化三维重建。在智能应用需 求不断增加的背景下，对三维点云配准技术进行深入的研究具有重要的意义。虽然国内 外学者在该领域已提出了众多不同的技术方法，但在大多实际应用中主要依赖于经典的 最近点迭代（Iterative Closest Point,ICP）法，其通过搜寻待配准点云每点在目标点云上 的最近对应点来获得相应的变换参数，并不断地迭代该过程来完成点云配准。但 ICP 算法对准点云间的初始位置具有较强的依赖性，当两点云数据初始位置较差时，使用 ICP 算法，其收敛速度较慢且容易收敛到局部最优，这也是导致配准效率和精度下降的 重要原因。
