Para lidar com fenômenos como grandes diferenças na densidade de nuvens de pontos de imagens de drones e nuvens de pontos a laser 3D em áreas com grande cobertura vegetal e relevo acidentado, distribuição espacial desigual e características pouco evidentes, foi proposto um algoritmo de registro combinado que reforça as características principais de superfícies inclinadas nos dados de nuvens de pontos, utilizando Sample Consensus Initial Alignment (SAC-IA) e Iterative Closest Point (ICP). Primeiramente, ambos os dados de nuvens de pontos foram pré-processados; em seguida, com base no algoritmo Random Sample Consensus (RANSAC), as áreas de características fracas foram ajustadas para reforçar as características da superfície e construir várias superfícies inclinadas chave. Em seguida, os algoritmos SAC-IA e ICP foram combinados para registrar as duas nuvens de pontos, e a eliminação de pontos redundantes e sobrepostos foi realizada para alcançar a fusão. Finalmente, foi selecionado o algoritmo de filtragem da rede irregular triangular progressiva (Progressive Triangulated Irregular Network, PTIN) para extrair pontos do terreno da nuvem de pontos fundida, e o algoritmo Inverse Distance Weighted (IDW) foi utilizado para reconstrução tridimensional do terreno e geração do modelo digital de elevação (Digital Elevation Model, DEM). A validação com dados reais mostrou que a precisão dos dados das nuvens de pontos registradas pelo algoritmo proposto (erro quadrático médio) diminuiu 3,325 m em comparação com o algoritmo combinado tradicional SAC-IA e ICP; a precisão dos pontos do DEM reconstruído com base na nuvem fundida (representada pelo erro absoluto médio e erro quadrático médio) diminuiu 0,18 m e 0,14 m, respectivamente. O DEM gerado por este algoritmo atende aos requisitos normativos nacionais em escala 1:500 e reflete melhor os detalhes do terreno.

consenso de amostra aleatória;ajuste de superfície inclinada;registro de nuvem de pontos;modelo digital de elevação;reconstrução 3D