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, capacidade geométrica de descrição fraca e baixa robustez no emparelhamento. Para resolver esse problema, propõe-se um algoritmo de registro que integra amostragem adaptativa com características geométricas e espaciais. Primeiramente, por meio da voxelização adaptativa de densidade e da amostragem decrescente com substituição do vizinho mais próximo, resolve-se a diferença de tamanho e a distribuição desigual de densidade entre duas nuvens de pontos com baixa sobreposição, realizando amostragem decrescente eficiente; em seguida, por meio de uma única busca em árvore KD, os vetores normais são calculados de forma eficiente e é projetado um mecanismo de filtragem baseado no número de pontos vizinhos e na restrição de linearidade, para integrar os pontos característicos filtrados com descritores de características geométricas e espaciais, superando problemas de cálculo redundante e capacidade descritiva insuficiente dos métodos tradicionais; finalmente, propõe-se um emparelhamento bidirecional baseado na similaridade de histogramas para obter correspondências confiáveis e, em combinação com o método de registro RANSAC, realiza-se o registro robusto e preciso de nuvens de pontos com baixa sobreposição. O algoritmo proposto foi validado com conjuntos de dados públicos e dados reais. Os experimentos mostram que o algoritmo proposto reduz, em média, o erro de emparelhamento em 51,14%, 64,16% e 78% em comparação com os métodos ISS+3DSC+K4PCS, ISS+FPFH+RANSAC e TOLDI+RANSAC, respectivamente, e apresenta a maior eficiência de execução entre os algoritmos com registro bem-sucedido, demonstrando um bom desempenho geral.

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