针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题,提出一种采用点云重心距离进行边界检测的点云数据配准新算法.该算法首先运用主成分分析法进行点云数据粗配准,获得良好点云姿态;其次,采用点云重心距离特征进行边界检测并提取待配准点云边界;在此基础上,利用K-D树在两点云边界中查找对应最近点对,并通过单位四元数法进行坐标转换,求得平移矩阵及旋转矩阵,从而实现快速、精确的点云数据配准.实验结果表明:与经典ICP算法、现有改进ICP算法相比,本文中点云边界特征点的提取简单快速,极大简化了配准点集,简化率达到2.24%,改进方法的配准效率提高了25.8%.本文算法在保证精度基础上有效提高了配准效率,适用于数据量较大的点云数据配准.