Devido aos problemas do algoritmo de registro bruto-fino em duas etapas baseado em características tradicionais de nuvens de pontos, como alta complexidade de cálculo de características de alta dimensionalidade e lentidão na velocidade de registro de nuvens de pontos densas, propõe-se um método rápido de registro baseado na distribuição de vizinhança para nuvens de pontos 3D. Primeiramente, definem-se três características geométricas profundas dos pontos vizinhos e propõe-se uma descrição de características de distribuição de vizinhança multi-escala e baixa dimensionalidade para reduzir significativamente a complexidade do cálculo das características, ao mesmo tempo em que se melhora a discriminabilidade da descrição das características, alcançando uma representação eficiente das propriedades locais das nuvens de pontos. Em seguida, propõe-se um método rápido de registro grosseiro baseado nas características de distribuição da vizinhança, extraindo pontos característicos com base no grau geral de ondulação da nuvem de pontos e na direção da distribuição da vizinhança; são estabelecidas condições preliminares para o pareamento de pontos característicos com base na descrição das características de distribuição da vizinhança; e são melhoradas as condições de restrição da distância euclidiana entre pares de pontos para eliminar correspondências incorretas, alcançando um registro grosseiro eficiente e preciso. Por fim, para resolver o problema da lentidão no registro de nuvens densas, propõe-se a melhoria do algoritmo Iterative Closest Point (ICP) por meio de árvores kd e método de grade voxelizada, adotando-se uma estratégia de registro fino secundária para corrigir erros de registro causados pela redução da amostragem, aumentando ainda mais a precisão e eficiência do registro fino. Experimentos com o modelo Stanford e experimentos reais de registro de nuvens de pontos de peças industriais mostram que o método proposto melhorou a precisão do registro em mais de 22% e reduziu o tempo em mais de 43% em comparação com métodos baseados em descrições tradicionais de características, comprovando que o método pode registrar rapidamente e eficazmente as nuvens de superfície de objetos de diferentes pontos de vista, com boa estabilidade e aplicabilidade.

registro de nuvem de pontos;características de distribuição de vizinhança;otimização de pares de pontos correspondentes;Iterative Closest Point;método de grade voxelizada