局所的に欠損した点群の登録における精度の低さや収束の遅さの問題に対して、拡張ガウス画像クラスタリングに基づく高速点群登録アルゴリズムを提案した。点群を拡張ガウス画像にマッピングしてクラスタリングを行い、その後逆マッピングで実際の点群から登録対象の部分点群を取得することで、局所的な欠損による干渉を回避した。また、計算効率と登録精度を向上させるために、距離-曲率ディスクリプタを用いて対応点ペアを照会し、特異値分解を用いて粗登録を行い、反復最小二乗点微調整アルゴリズムと組み合わせて点群登録プロセスを実現した。実験結果から、本アルゴリズムは局所欠損点群に対して高い精度（ICPと組み合わせた従来のFPFH演算子と比較して平均二乗誤差が約17.9%低減）を示し、他のアルゴリズムと比較して一定の速度優位性（ICPと組み合わせたSHOT演算子に対して処理時間が約32.5%短縮）を持つことが分かった。本アルゴリズムは局所欠損点群の姿勢認識に効果的に応用でき、産業現場における3D物体の高速認識および位置特定に広く利用できる。

機械視覚;点群登録;拡張ガウス画像;距離-曲率ディスクリプタ;欠損点群