従来の反復最近点（ICP）アルゴリズムは、複雑な点群の空間特徴を処理する際に、ノイズ干渉やデータ欠損により収束速度が遅く、登録精度が低く、ロバスト性が不足する問題に直面している。本論文では、適応型局所近傍条件に基づく点群マッチングアルゴリズムを提案する。まず、ボクセルグリッドフィルタを用いてデータを前処理し、異なる半径の近傍内の近接点の分布状況に基づいて近傍表面の湾曲度を定義する。この基礎のもとに、法線ベクトルの分布と近傍曲率の特徴を十分に考慮し、より正確な特徴点の抽出を行う。次に、最小二乗曲面フィッティング手法を用いて、近傍曲率変化が最も顕著な特徴点をさらに抽出し、高速点特徴ヒストグラム（FPFH）で特徴点を記述する。距離閾値を設定したサンプリング整合性アルゴリズムを用いて類似する特徴点ペアをマッチングし、重要な座標変換パラメータを算出して初期登録を完了する。最後に、線形最小二乗最適化を用いた点対面ICPアルゴリズムにより、より精密な登録結果を実現する。一連の比較実験により、既存のいくつかの登録アルゴリズム（ICP、SAC-IA+ICP、K4PCS+ICP）と比較して、ノイズ干渉およびデータ欠損がある場合において、本手法は登録精度を平均45％向上させ、登録速度を平均38％向上させ、大規模かつ低重複率の点群登録において優れたロバスト性を有することを十分に検証した。

点群マッチング;近傍;法線ベクトル;高速点特徴ヒストグラム;反復最近点