Debido a que los descriptores diseñados manualmente existentes no describen de manera suficiente las características geométricas locales de las superficies, este artículo propone un descriptor de firmas de distribución geométrica multivista (Multi-View Geometric Distribution Signatures, MGDS) altamente discriminativo y robusto. Primero, basándose en los puntos clave y sus vecinos, se construye un marco de referencia local (Local Reference Frame, LRF), se voxeliza la superficie local, y se calcula la distribución de los centroides de los vóxeles 3D, las características del contorno del sector 2D, la distribución de densidad de puntos de la cuadrícula 2D y las fluctuaciones de profundidad de la superficie local para generar descriptores geométricos. Luego, la superficie local se rota múltiples veces basándose en el LRF para generar una nueva representación de la forma, usando la información de centroides, puntos de contorno, densidad y fluctuaciones de valores z para codificar la superficie rotada. Obteniendo estos descriptores geométricos desde múltiples vistas, se concatenan en un vector de características para obtener el descriptor final MGDS. Se realizaron experimentos en cuatro conjuntos de datos (RandomView, SpaceTime, Kinect y B3R) bajo diferentes ruidos gaussianos y resoluciones de malla, comparándose con 10 descriptores existentes. En comparación con otros descriptores, MGDS supera en rendimiento a los descriptores locales existentes. Los resultados experimentales muestran que el MGDS propuesto tiene buena descriptividad y robustez y puede usarse para un registro preciso de nubes de puntos 3D.

nube de puntos; descriptor local; características multivista; fusión de múltiples características; emparejamiento de características