点群登録は、リバースエンジニアリングやマシンビジョンなど現代の製造業における重要な技術要素であり、その効率と精度は取得される製品データモデルに大きな影響を与える。3D物体点群登録の精度と効率を向上させるため、近傍点情報の記述とマッチング（Neighborhood point information Description and Matching、NDM）を応用した点群登録手法を提案する。まず、三つの半径比に基づき点の曲率変化、測定角度及び特徴値の性質から特徴点を抽出する。次に、改良された法線ベクトルの角度、点密度及び曲率値を計算し、多スケールマトリックス記述子を取得する。続いて、記述子に対してk次元木を構築し、マッチング関係を獲得し、幾何学的特徴制約と剛性距離制約の組み合わせを提案し、誤った点対を除去して粗い登録を実現する。最後に、k次元木を用いた改良反復最近点（Iterative Closest Point、ICP）アルゴリズムにより精密な登録を完了する。本稿では実物点群登録とスタンフォードモデルによる実物模擬登録の二つの実験を設計した。結果は、本手法が古典的ICPの限界を解決し、登録精度を2〜5桁向上させたことを示す。他のアルゴリズムと比較して、実物点群登録において本手法の登録精度は少なくとも29%向上し、効率は54%向上した。スタンフォード模擬実験では、登録精度は1%〜99%向上し、登録時間は3%〜94%短縮され、本手法が物体表面点群の有効な登録手法であり、登録精度と効率を高め、ロバスト性にも優れていることを示している。

リバースエンジニアリング;マシンビジョン;点群登録;近傍点情報;反復最近点