针对含有噪声和外点的三维点云刚体配准问题，由于迭代最近点(iterative closest point，ICP)算法的配准精度较低，为此，该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强，首先，建立了基于伪Huber损失函数的三维点云刚体配准模型。其次，利用RGBD点云数据中颜色信息辅助建立点云对应关系，以提高改进ICP算法中对应点匹配的准确性。最后，结合奇异值分解(singular value decomposition，SVD)和Levenberg Marquardt(LM)的优化算法对三维点云刚体配准模型进行优化求解。实验结果表明，该文所提三维点云刚体配准方法的配准精度高，能够有效抑制噪声和外点对配准精度的影响。