기존의 점군 정합 알고리즘에서 점 특징 계산은 주로 고정된 이웃 영역을 사용하여 복잡한 점군의 특징 계산에 적합하지 않아 주요점 추출 결과가 좋지 않고 대응점에 많은 외점이 존재하는 등의 문제로 인해 점군 정합 정확도에 영향을 미친다. 이에 본 논문에서는 다중 특징 주요점 추출과 유사 삼각형을 이용한 점 쌍 최적화 기반 점군 정합 방법을 제안하며, 핵심은 적응형 이웃 전략을 통해 주요점을 추출하고 매칭 유사도 모델을 최적화하는 데 있다. 먼저 복셀 다운샘플링과 혼합 필터링으로 데이터를 전처리하고 특징 엔트로피 함수를 기반으로 점군 최적 이웃 영역을 결정하며, 이웃 내 법선 벡터 각도 표준편차, 이방성, 곡률을 결합하여 주요점을 추출한다; 다음으로 방향 히스토그램(SHOT)을 이용해 주요점 특징을 계산한다; 그 후 쌍방향 최근접 이웃 거리 비(BNNDR)를 사용해 초기 매칭 점 쌍을 구성하고, 유사 삼각형 기반 계산 모델을 제안하여 점 쌍을 최적화하여 거친 정합을 수행한다. 마지막으로 법선 벡터 각도 제약을 추가한 점-평면 ICP(Point to plane ICP) 알고리즘을 이용해 정밀 정합을 수행한다. 본 논문은 Stanford 데이터셋을 대상으로 실험을 진행하였으며, 결과는 고전적 ICP, 주요점 기반 4점 일관성 집합(K-4PCS), 샘플링 일관성(SAC-IA)과 ICP 결합점군 정합 알고리즘 대비 본 방법의 오차가 최소임을 보여준다. 또한 실제 측정 데이터 정합 응용에서도 본 방법은 뚜렷한 장점을 보여주었다.

적응형 이웃;점군 정합;유사 삼각형;점-평면 ICP