植生被覆や地形起伏が大きい地域におけるドローン画像点群と三次元レーザ点群の密度差、空間分布の不均一性および特徴の不明瞭さの問題に対して、点群データの主要な斜面特徴を強化するサンプルコンセンサス初期整列（Sample Consensus Initial Alignment、SAC-IA）と反復最近傍点（Iterative Closest Point、ICP）を組み合わせた登録アルゴリズムを提案した。まず、二つの点群データをそれぞれ前処理し、ランダムサンプルコンセンサス（Random Sample Consensus、RANSAC）アルゴリズムに基づき、特徴の弱い点群領域をフィッティングして点群の面特徴を強化し、複数の重要な斜面を構築した。さらに、SAC-IAとICPアルゴリズムを組み合わせて二つの点群を登録し、冗長かつ重複する点を除去して融合を実現した。最後に、漸進的三角不規則ネットワークフィルタリング（Progressive Triangulated Irregular Network、PTIN）アルゴリズムを選択して融合点群から地上点を抽出し、反距離加重（Inverse Distance Weighted、IDW）アルゴリズムにより三次元地形を再構築し、デジタル標高モデル（Digital Elevation Model、DEM）を生成した。実測データによる検証で、本アルゴリズムは従来のSAC-IAとICPの組み合わせアルゴリズムと比較して、登録後の点群データの精度（平均二乗誤差）が3.325 m改善され、融合点群で再構成したDEMの点位置精度（平均絶対誤差および平均二乗誤差）はそれぞれ0.18 mおよび0.14 m改善された。本アルゴリズムで生成したDEMは1:500の国家規格要求を満たし、地形の細部特徴をより良く反映する。

ランダムサンプルコンセンサス;斜面フィッティング;点群登録;デジタル標高モデル;三次元再構築