بالنظر إلى التحديات التي تواجه محاذاة السحب النقطية في مشاهد إعادة الإعمار ثلاثية الأبعاد، غالبًا ما تفشل الطرق التقليدية لوصف الميزات المحلية بسبب نقص نقاط الميزات الفعالة وضعف القدرة على الوصف الهندسي وضعف المتانة في المطابقة. لمواجهة هذه المشكلة، نقدم خوارزمية محاذاة تدمج العينة التكيفية مع الميزات الهندسية والفراغية. أولاً، من خلال التكميم القائم على الكثافة التكيفية وطريقة تقليل العينات باستخدام الاستبدال بأقرب جيران، نعالج اختلاف الحجم وتوزيع الكثافة غير المتوازن بين سلسلتي السحب النقطية ذات التداخل المنخفض، وفي هذه العملية ننجز تقليل العينات بكفاءة عالية؛ ثم، من خلال بحث شجرة KD مرة واحدة نحسب المتجهات العادية بكفاءة، ونصمم آلية تصفية تعتمد على عدد نقاط الجوار وقيود الخطية، حيث يتم دمج الميزات المصفاة مع وصفات الميزات الهندسية والفراغية لتجاوز مشكلات الحساب المفرط والقدرة الوصفية غير الكافية في الطرق التقليدية؛ أخيرًا، نقترح مطابقة مقابلات ثنائية الاتجاه بناءً على تشابه الهيستوجرام للحصول على علاقات مقابلة موثوقة، وبالاقتران مع طريقة RANSAC للمحاذاة، نحقق محاذاة متينة ودقيقة للسحب النقطية ذات التداخل المنخفض. تم اختبار الخوارزمية المقترحة باستخدام مجموعات بيانات مفتوحة ومجموعات بيانات حقيقية. أظهرت التجارب أن الخوارزمية المقترحة قللت متوسط خطأ المطابقة بنسبة 51.14%، 64.16%، و78% مقارنة بطرق ISS+3DSC+K4PCS، ISS+FPFH+RANSAC وTOLDI+RANSAC على التوالي، وكانت الأكثر كفاءة من حيث التشغيل بين الخوارزميات التي نجحت في المحاذاة، مما يدل على أدائها الممتاز بشكل عام.

محاذاة السحب النقطية;تداخل منخفض;دمج الميزات;إعادة إعمار ثلاثية الأبعاد