针对点云配准三维正态分布变换(3D-NDT)在未确定初始位姿情况下配准精度较低、配准时间较长，无法满足移动机器人实时定位要求，提出1种改进的3D-NDT点云配准融合算法。在原始点云的降采样过程中，使用源点云中的点替代计算得到的重心，降低算法运算量并保留点云的特征信息；通过引入信赖半径动态调节迭代步长，提高降采样后的精度和点云配准速度；通过融合三维激光点云数据与9轴惯性测量单元(IMU)数据，解决2组点云数据位姿差异过大无法收敛或进入局部极值的问题。采用实验室自搭建的移动机器人平台对改进的3D-NDT算法进行仿真实验，验证改进算法实时定位的可靠性和准确度。结果表明：与传统3D-NDT算法相比，改进3D-NDT算法在室外和室内环境下的匹配精度分别提升106%,108%，匹配成功率分别提升8.29%,6.35%，平均匹配耗时分别降低51.1%,47.9%，移动机器人实时定位的配准精度得到较大提升，单次配准时间也大幅降低，改进的3D-NDT算法可满足移动机器人实时定位的需求。