既存の点群登録アルゴリズムでは、点特徴の計算に通常固定の近傍領域を用いているため、複雑な点群の特徴計算には適さず、重要点の抽出結果が悪く、対応点に多くの外れ点が存在するなどの問題があり、その結果、点群登録の精度に影響を与えている。そこで、本論文では多特徴重要点抽出と類似三角形による点対の最適化に基づく点群登録手法を提案する。本手法の核心は、適応的近傍戦略により重要点を抽出し、マッチング類似度モデルを最適化することである。まず、ボクセルダウンサンプリングと混合フィルタリングを用いてデータを前処理し、特徴エントロピー関数に基づいて点群の最適近傍を決定し、近傍内の法線ベクトルの角度標準偏差、異方性、曲率を組み合わせて重要点を抽出する。次に、方向ヒストグラム（SHOT）を用いて重要点特徴を計算する。さらに、双方向近傍距離比（BNNDR）を用いて初期対応点対を構築し、類似三角形に基づく計算モデルを提案して点対を最適化し粗登録を行う。最後に、法線ベクトルの角度制約を追加した点から平面へのICPアルゴリズムを用いて精密登録を実現する。本研究はStanfordデータセットを用いて実験を行い、その結果、古典的ICP、重要点ベースの4点整合集合（K-4PCS）、サンプリング整合（SAC-IA）とICPを組み合わせた点群登録アルゴリズムと比較して、本手法が最小誤差を示すことを明らかにした。さらに、実測データ登録応用においても本手法は有意な優位性を示した。

適応的近傍;点群登録;類似三角形;点から平面ICP