最近の研究において[1]、[2]、我々は、3次元点群データセットにおける点 ( p ) の周囲の局所幾何構造を記述する頑健な多次元特徴量として、ポイント特徴ヒストグラム（Point Feature Histograms: PFH）を提案した。本稿では、PFHの数学的表現を改訂し、重複する点群ビュー間の3次元登録問題における頑健性および計算複雑度について厳密な解析を行った。具体的には、過去に計算済みの値をキャッシュするか、理論的定式化を再構成することで、計算時間を著しく短縮する複数の最適化手法を提示する。特に、後者のアプローチにより、PFHの識別力の大部分を保持しつつ、計算速度が大幅に向上した新たな局所特徴量、すなわち高速ポイント特徴ヒストグラム（Fast Point Feature Histograms: FPFH）が導入された。さらに、リアルタイム応用を想定したFPFH特徴量のオンライン計算アルゴリズムも提案する。結果の有効性を検証するため、3次元登録における効率性を実証し、局所非線形最適化器の収束域に2つのデータセットを初期化するための、新たなサンプルコンセンサスに基づく手法、SAC-IA（SAmple Consensus Initial Alignment）を提案する。