Face aux défis de l'enregistrement de nuages de points dans les applications de reconstruction 3D, les méthodes traditionnelles de description locale des caractéristiques échouent souvent en raison d'un nombre insuffisant de points caractéristiques efficaces, d'une faible capacité de description géométrique et d'une faible robustesse de correspondance. Pour remédier à cela, un algorithme d'enregistrement combinant un échantillonnage adaptatif et la fusion de caractéristiques géométriques-spatiales est proposé. Premièrement, grâce à la voxelisation adaptative en fonction de la densité et à la réduction de l'échantillonnage par remplacement du plus proche voisin, le problème des différences de taille et de distribution de densité inégale entre deux nuages de points à faible recouvrement est résolu, tout en réalisant un échantillonnage réduit efficace ; puis, 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 de voisinage et la contrainte de linéarité est conçu, fusionnant les points caractéristiques sélectionnés avec des descripteurs de caractéristiques géométriques-spatiales, ce qui surmonte le calcul redondant et le manque de capacité de description des méthodes traditionnelles ; enfin, une correspondance bidirectionnelle basée sur la similarité des histogrammes est proposée pour obtenir des correspondances fiables, associée à une méthode d'enregistrement RANSAC, permettant un enregistrement précis et robuste de nuages de points à faible recouvrement. L'algorithme proposé est basé sur des ensembles de données publics et validé sur des données réelles. Les expériences montrent que l'algorithme proposé réduit en moyenne les erreurs de correspondance de 51,14 %, 64,16 % et 78 % par rapport aux méthodes ISS+3DSC+K4PCS, ISS+FPFH+RANSAC et TOLDI+RANSAC respectivement, tout en offrant la meilleure efficacité d'exécution parmi les algorithmes comparés performants, démontrant ainsi de bonnes performances globales.

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