Diante dos desafios do registro de nuvens de pontos em cenários de reconstrução 3D, os métodos tradicionais de descrição de características locais frequentemente falham devido à insuficiência de pontos característicos eficazes, fraca capacidade de descrição geométrica e baixa robustez de correspondência. Para enfrentar esse problema, propõe-se um algoritmo de registro que integra amostragem adaptativa e fusão de características geométrico-espaciais. Primeiramente, por meio de voxelização adaptativa de densidade e método de redução por substituição de vizinhos mais próximos, são resolvidas as diferenças de tamanho e distribuição desigual de densidade entre duas nuvens de pontos de baixo sobreposição, realizando também uma redução eficiente da amostragem; em seguida, por meio de uma única busca em árvore KD, os vetores normais são calculados de forma eficiente, e um mecanismo de filtragem baseado no número de pontos vizinhos e restrições de linearidade é projetado, fundindo os pontos característicos filtrados com descritores de características geométrico-espaciais, superando os problemas de cálculo redundante e capacidade descritiva insuficiente dos métodos tradicionais; por fim, propõe-se um pareamento bidirecional baseado na similaridade de histogramas para obter relações de correspondência confiáveis, que, combinado com o método de registro RANSAC, realiza um registro robusto e de alta precisão para nuvens de pontos de baixa sobreposição. O algoritmo deste artigo baseia-se em conjuntos de dados públicos e foi validado com dados reais. Os experimentos demonstram que o algoritmo proposto reduz o erro médio de correspondência em 51,14%, 64,16% e 78% em comparação aos métodos ISS+3DSC+K4PCS, ISS+FPFH+RANSAC e TOLDI+RANSAC, respectivamente, e apresenta a maior eficiência de execução entre os algoritmos de registro comparados com sucesso, mostrando desempenho geral satisfatório.

registro de nuvens de pontos;baixa sobreposição;fusão de características;reconstrução 3D