激光点云常规匹配算法是迭代最近点(Iterative Closest Point, ICP)算法，但其收敛速度慢、鲁棒性差，因此，提出一种融合多种优化算法的激光点云高效ICP配准方法。首先对点云体素滤波降采样，通过ISS算子提取关键点，采用快速点特征直方图(Fast Point Feature Histograms, FPFH)提取关键点特征，嵌入多核多线程并行处理模式 (OpenMP)提高特征提取速度；然后基于提取的FPFH特征，使用采样一致性初始配准算法(Sample Consensus Initial Alignment, SAC-IA)进行相似特征点粗配准，获取点云集间的初始旋转平移变换矩阵；最后采用ICP算法进行精配准，同时采用最优节点优先(Best Bin First, BBF)优化K-D tree近邻搜索法来加速对应关系点对的搜索，并设定动态阈值消除错误对应点对，提高配准快速性和准确性。对两个实例的配准点云进行了实验验证，结果表明，提出的优化配准算法具有明显速度优势和精度优势。