本文提出一种基于广义最大相关熵准则的运动平均方法，有效提高了多视角点云配准的效率和精度．首先，借助李代数优化框架，导出了残差与待求变量二者之间的线性显式关系，将该残差与广义最大相关熵准则结合，提出了考虑所有相对运动的变量解算模型；其次，借助半二次优化技术和交替方向乘子法，给出了模型的一种数值解算方法；最后，提出了一种具有自适应性的核宽选取方法，以使算法在相对运动集包含较多外点的情况下仍能获得较为准确的配准结果．以真实模型和环境数据集为对象开展了对比实验，基于双视角点云配准算法分别获得了5个测试点集在30%、20%点云面积重叠率阈值下的双视角配准结果，共形成10组相对运动集．其中，相对运动集误差随重叠率阈值的下降逐渐增加．所提方法在10组运动集上均获得了较佳的配准结果，实验结果表明本文所提方法有效提高了运动平均方法的计算精度与效率．此外，当运动集包含大量外点时，采用本文所提方法仍能获得较为准确的配准结果，表明本文所提方法具有较强的鲁棒性．