ندرس مشكلة استخراج التوافق الدقيق لتسجيل السحابات النقطية. أظهرت الطرق الحديثة التي لا تعتمد على النقاط الرئيسية إمكاناتها الكبيرة من خلال تجاوز اكتشاف النقاط الرئيسية القابلة للتكرار، وهو أمر صعب خاصة في السيناريوهات ذات التداخل المنخفض. تسعى هذه الطرق إلى تحقيق توافق بين نقاط فائقة مُقلَّصة، والتي يتم نشرها بعد ذلك إلى نقاط كثيفة. يتم مطابقة النقاط الفائقة بناءً على ما إذا كانت الأجزاء المجاورة لها تتداخل. يتطلب هذا النوع من المطابقة النادرة والفضفاض خصائص سياقية تلتقط البنية الهندسية للسحابات النقطية. نقترح استخدام المحول الهندسي، أو GeoTransformer اختصارًا، لتعلم الخصائص الهندسية لتحقيق مطابقة قوية بين النقاط الفائقة. يرمي هذا المحول إلى تشفير المسافات الثنائية والزوايا الثلاثية، مما يجعله ثابتًا أمام التحويلات الجامدة وقويًا في الحالات ذات التداخل المنخفض. يحقق هذا التصميم البسيط دقة مطابقة مفاجئة للغاية بحيث لا يُحتاج إلى RANSAC (Random Sample Consensus) في تقدير تحويل التناسق، مما يؤدي إلى تسريع العملية بمقدار 100 مرة. أجرينا تجارب واسعة النطاق على مقاييس غنية تشمل البيئات الداخلية والخارجية والمصنعة والتعددية وغير الجامدة، مما يثبت فعالية GeoTransformer. بشكل خاص، تحسن طريقتنا نسبة الأوتلاير بنسبة 18-31 نقطة مئوية وتحسن نسبة استدعاء التسجيل بأكثر من 7 نقاط على مقاييس 3DLoMatch الصعبة. يمكن الحصول على شفرتنا البرمجية ونماذجنا من الرابط \url{https://github.com/qinzheng93/GeoTransformer}.