正态分布变换(NDT)算法是一种应用在同时定位和地图生成(SLAM)中的点云配准算法。针对地面激光扫描(TLS)数据的特点，改进了NDT 算法，提出了一种基于SURF 的NDT 配准算法，使之能应用在TLS 中。该算法首先建立点云和图像间的映射关系把点云影像化；利用加速稳健特征(SURF)算法提取图像的特征点并找出特征点对；根据映射关系找到相应的三维特征匹配点，求出变换矩阵，完成点云初始配准。在NDT 算法中，设置初始矩阵为单位矩阵，对点云体素化并使用概率分布函数对点云精细配准。实验结果证明，该算法不但适用于地面激光数据的配准，且其配准精度高、运算时间少，尤其对于不同分辨率的点云有良好的配准效果。

为了达到机载激光雷达系统潜在的精度，需要对其整个系统进行严格的检校。在分析系统安置参数误差及其影响的基础上，建立起平行重叠航带之间差异分析模型。在平行重叠航带之间运用优化的迭代最近点(ICP)算法，通过配准过程，得到相邻重叠航带之间的刚体变换矩阵，再利用由外方位角元素和平移向量所组成的变换矩阵，实现平行重叠航带之间差异检测。将表达差异的转换参数运用到重叠条带误差分析模型中，推导系统安置参数偏差完成检校。试验结果通过与Tmatch软件检校过程进行对比分析，验证了这种方法的有效性。

提出了一种激光扫描数据和影像融合的方法，通过立体像对匹配获取精确匹配点，并与三维扫描点云进行最邻近迭代配准；在利用网格划分法进行的K邻近点搜索中，采用欧氏距离的选择权迭代逐步实现影像点与激光扫描点的精确配准；利用空间后方交会获取正确的外方位元素，通过摄站点、像点以及激光点之间的共线关系，在相对应影像上进行激光点的像素定位，并提取颜色属性信息。实验结果表明，该算法不但较好地实现了三维地面激光点云数据与CCD影像的精确融合，且对机载激光数据与影像的融合亦可行和有效。