为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度, 提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型, 求解模型各参数, 并构造出特征四面体,以优化旋转矩阵与平移向量; 通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明：与几种常用的算法相比, MMC算法即使在点云数据存在遮挡、缺失, 大小不一致, 含随机噪声, 且具有无序性的条件下, 也能精确配准, 且具有良好的稳健性。