对于许多驾驶安全应用而言，准确注册远距离移动车辆生成的激光雷达点云至关重要。然而，这些点云在同一个物体上具有极不相同的点密度和传感器视角，使得此类点云的注册非常困难。本文提出了一种新的特征提取框架，称为APR（Adaptive Point Registration），用于在线远距离点云注册。具体来说，APR采用了自编码器设计，其中自编码器通过多帧而不是原始单输入点云重建出一个更密集的聚合点云。我们的设计迫使编码器从单一输入点云中提取富含局部几何信息的特征。这些特征随后被用于在线远距离点云注册。我们在KITTI和nuScenes数据集上对最先进的（SOTA）特征提取器进行了广泛的实验对比。结果显示，APR大幅优于所有其他提取器，在LoKITTI数据集上将SOTA提取器的平均注册召回率提高了7.1%，在LoNuScenes数据集上提高了4.6%。代码可在https://github.com/liuQuan98/APR 获取。