Face aux défis de l’enregistrement des nuages de points dans les applications de reconstruction 3D, les méthodes traditionnelles de description des caractéristiques locales échouent souvent en raison d’un nombre insuffisant de points caractéristiques efficaces, d’une faible capacité de description géométrique et d’une faible robustesse des appariements. Pour résoudre ce problème, un algorithme d’enregistrement fusionnant un échantillonnage adaptatif et des caractéristiques géométriques-spatiales est proposé. Tout d’abord, grâce à une voxelisation adaptative de densité et à une méthode de sous-échantillonnage par remplacement des plus proches voisins, le problème des différences de taille et de répartition inégale de densité entre deux nuages de points à faible recouvrement est résolu, tout en réalisant un sous-échantillonnage efficace ; ensuite, par une recherche unique dans un arbre KD, les vecteurs normaux sont calculés efficacement, et un mécanisme de sélection basé sur le nombre de points du voisinage et une contrainte de linéarité est conçu, fusionnant les points caractéristiques filtrés avec des descripteurs de caractéristiques géométriques-spatiales, surmontant ainsi les problèmes de redondance de calcul et de capacité descriptive insuffisante des méthodes traditionnelles ; enfin, une correspondance bidirectionnelle basée sur la similarité d’histogramme est proposée pour obtenir des correspondances fiables, combinée avec la méthode d’enregistrement RANSAC, permettant un enregistrement robuste et précis des nuages de points à faible recouvrement. Cet algorithme est basé sur des ensembles de données ouverts et validé avec des données réelles. Les expériences montrent que l’algorithme proposé réduit l’erreur moyenne de correspondance de 51.14%, 64.16% et 78% respectivement par rapport aux méthodes traditionnelles ISS+3DSC+K4PCS, ISS+FPFH+RANSAC et TOLDI+RANSAC, et présente la meilleure efficacité d’exécution parmi les méthodes ayant réussi l’enregistrement, démontrant une bonne performance globale.

enregistrement de nuages de points;faible recouvrement;fusion de caractéristiques;reconstruction 3D