Os algoritmos atuais de registro de nuvens de pontos apresentam problemas de baixa aplicabilidade, baixa robustez e baixa eficiência ao registrar nuvens de pontos em diferentes cenários. Este artigo propõe um algoritmo eficiente de registro voltado para modelos e nuvens de pontos interiores e exteriores. Primeiro, utiliza-se a filtragem por grade de voxel para reduzir a amostragem da nuvem de pontos e extrair características utilizando o descritor de morfologia interna (ISS). Em seguida, o histograma rápido de características de pontos (FPFH) descreve os pontos característicos, e o algoritmo de consenso por amostragem aleatória (RANSAC) realiza um registro grosseiro da nuvem de pontos. Finalmente, o registro fino é realizado por meio do algoritmo VGICP iterativo generalizado voxelizado, acelerado paralelamente por GPU. Os resultados experimentais mostram que, em modelos 3D contendo pontos ruidosos, nuvens internas e externas com baixa sobreposição, o algoritmo alcança alta precisão de registro em apenas 0,118 s, 0,306 s e 0,648 s respectivamente. Comparado aos algoritmos existentes, a eficiência de registro melhorou em 79,12%, 82,41% e 88,28%. Este algoritmo apresenta alta precisão e eficiência de registro em diferentes cenários de aplicação, além de melhor aplicabilidade e robustez.

registro de nuvens de pontos; consenso por amostragem aleatória; processador gráfico; VGICP voxelizado iterativo generalizado