Los algoritmos actuales de registro de nubes de puntos tienen problemas de baja aplicabilidad, poca robustez y baja eficiencia al registrar nubes de puntos en diferentes escenarios. Este artículo propone un algoritmo eficiente de registro orientado a modelos y nubes de puntos interiores y exteriores. Primero, se utiliza el filtrado de malla de vóxeles para el muestreo descendente de la nube de puntos y el descriptor de morfología interna (ISS) para extraer características de la nube. Luego, el histograma rápido de características de puntos (FPFH) describe los puntos característicos, y el algoritmo de consenso por muestreo aleatorio (RANSAC) realiza un registro aproximado de la nube de puntos. Finalmente, mediante el algoritmo VGICP iterativo generalizado voxelizado acelerado paralelamente en GPU, se logra un registro fino. Los resultados experimentales muestran que en modelos 3D con puntos de ruido, nubes interiores y exteriores con baja superposición, el algoritmo alcanza alta precisión de registro en solo 0,118 s, 0,306 s y 0,648 s respectivamente. En comparación con los algoritmos existentes, la eficiencia de registro mejora un 79,12%, 82,41% y 88,28%. Este algoritmo presenta alta precisión y eficiencia en diferentes escenarios de aplicación, con mejor aplicabilidad y robustez.

registro de nubes de puntos; consenso por muestreo aleatorio; procesador gráfico; VGICP voxelizado iterativo generalizado