基于点云技术的三维狭长复杂空间数字模型逐渐成为狭长复杂空间工程监测的有力手段，受限于设备的工作方式，对于狭长复杂空间的扫描通常需要多点位、多角度、多批次进行，因此点云的配准是获得完整狭长复杂空间三维点云模型的关键技术。笔者基于FRICP(Fast and Robust Iterative Closest Point)算法，针对狭长复杂空间点云数据的配准提出了一种有效且具有鲁棒性的算法。首先通过主成分分析(Principal Component Analysis, PCA)计算合适的截面将狭长复杂空间点云一分为二，以去除非重叠区域；然后使用FRICP(Fast and Robust Iterative Closest Point)算法分别配准分段后的点云，取误差最小的变换；最后将变换应用到整个狭长复杂空间点云数据。实验结果表明了所提算法的可行性和鲁棒性，为狭长复杂空间多点位、多角度、多批次点云数据配准提出了一种可行方法。