针对数据排列无序、随机缺失及伴随白噪声等问题,提出一种基于因子分析法的三维点云配准方法。将点云数学模型扩展为正交因子模型,从而将点云的配准问题转换为对模型参数的求解问题;采用高斯混合模型对点云进行拟合,并通过最大期望算法(EMA)求解出正交因子模型的因子载荷矩阵;利用因子载荷矩阵完成对点云的配准。在仿真实验中,因子分析算法对随机丢失和带噪声的点云的配准情况,与经典迭代最近点(ICP)算法的配准精度相当,配准效率相比于ICP算法提升了70%以上。因子分析算法不会陷入局部最小值,在快速精确配准和稳定性方面有明显的改进和提高。