提出了一种分层块状全局搜索到临近点局部搜索的改进迭代最近点(ICP)算法, 用于进一步提高ICP算法的配准速度并消除点云缺失对点云配准的影响。该配准方法在粗略配准之后, 以点云块为分层单元对模型点集进行选取, 并对选取的少量模型点进行全局搜索获取其对应最近点; 然后, 以这些模型点对应的最近点作为搜索中心, 在场景点集中进行局部搜索, 获取这些模型点的大量临近点的对应最近点; 最后, 剔除错误对应最近点对, 并求取坐标变换。与基于KD-Tree的ICP算法和基于LS+HS(Logarithmic Search Combined with Hierarchical Model Point Selection )的ICP算法相比, 该配准算法对Happy bunny扫描数据的配准速度分别提高了78%和24%; 对Dragon扫描数据的配准速度分别提高了73%和30%。这些结果表明该算法可以快速、精确地实现三维点云间的配准。