Three‐dimensional (3D) feature‐matching techniques, which are essential for progress towards an automated feature‐based procedure, have attracted considerable research attention in both the photogrammetry and computer vision communities. This study introduces a novel matching approach, called RSTG, that comprises four major phases: rotation alignment; scale estimation; translation alignment; and geometry checks. These steps efficiently determine a feature‐based correspondence and frame transformation between datasets. RSTG analyses the similarity and relative geometry of features by employing feature observations and their uncertainty; this allows different types of features to be matched exclusively or simultaneously. This study validates the proposed method with both simulated and real datasets, demonstrating its effectiveness with satisfactory matching rates in a diverse range of feature‐based point cloud registration tasks. Les techniques de mise en correspondance de primitives en 3D, qui sont essentielles pour le développement d'une procédure automatisée basée sur les primitives, ont suscité des efforts de recherche dans les deux communautés de la photogrammétrie et de la vision par ordinateur. Cette étude présente une nouvelle approche d'appariement, appelée RSTG, qui comprend quatre phases principales: l'ajustement par rotation; l'estimation de l’échelle; l'ajustement par translation; et les contrôles géométriques. Ces étapes déterminent efficacement une mise en correspondance et une transformation géométrique basées sur les primitives. La méthode RSTG analyse la similitude et la géométrie relative des primitives en utilisant les observations des objets et leurs incertitudes; ce qui permet la mise en correspondance de différents types de primitives, séparément ou simultanément. Cette étude valide la méthode proposée à partir de données réelles et simulées, démontrant son efficacité avec des taux d'appariement satisfaisants dans un large éventail de travaux de mise en correspondance de nuages de points basés sur les primitives . Für die dreidimensionale, merkmalsgestützte Zuordnung finden sowohl im Bereich der Photogrammetrie, als auch im Computervision Bereich umfangreiche Forschungsaktivitäten statt. In dieser Studie wird eine neuartige Bildzuordnungsmethode genannt RSTG vorgestellt. Sie besteht aus vier Hauptphasen: einer Rotationsschätzung, einer Maßstabsschätzung, einer Schätzung der Translation und einer letzte Phase mit geometrischen Kontrollen. Durch diese Schritte können auf effiziente Art eine merkmalsgestützte Zuordnung und eine Transformation zwischen Datensätzen bestimmt werden. RSTG analysiert die Ähnlichkeit und die relative Geometrie von Merkmalen durch Anwendung von Merkmalsbeobachtungen und ihren Unsicherheiten. Damit können verschiedenartige Merkmale exklusiv oder simultan zugeordnet werden. Für verschiedenartige Aufgabenstellungen der Registrierung von Punktwolken wird mit simulierten und realen Datensätzen die Effektivität der vorgeschlagenen Methode validiert und dabei zufriedenstellende Zuordnungsraten erzielt . Las técnicas de correspondencia de características 3D, esenciales para el desarrollo de procedimientos automáticos, han atraído un considerable interés en la investigación en fotogrametría y visión por ordenador. Este estudio presenta una novedosa aproximación para la correspondencia, llamada RSTG, que consta de cuatro fases principales: la alineación de rotación; estimación de la escala; traslación de la alineación; y comprobaciones de geometría. Estos pasos determinan de manera eficiente una correspondencia basada en características y un marco de transformación entre conjuntos de datos. RSTG analiza la geometría relativa y similitud de características mediante el empleo de observaciones de características y su incertidumbre; esto permite que diferentes tipos de características puedan tener correspondientes exclusivos o simultáneos. Este estudio valida el método propuesto con conjuntos de datos simulados y reales, lo que demuestra su eficacia con tasas satisfactorias de correspondencia en una amplia gama de nubes de puntos . 三维特征匹配(3D feature matching)技术为提升特征式(feature‐based)资料处理自动化程度的关键因素,此课题在计算机视觉及摄影测量领域深受重视。本研究提出之RSTG匹配法可进行不同类型之几何特征匹配,并同时建立特征资料坐标框架间的几何转换关系。RSTG分别代表匹配架构中的四个主要程序,即旋转校正(rotation alignment)、尺度估计(scale estimation)、平移校正(translation alignment)与几何检验(geometry checks)。为有效获得可靠的共轭特征与转换参数估值,RSTG匹配程序不仅分析待匹配特征间的相似性以及相对几何,亦将特征观测量品质纳入考虑。除此之外,不同类型之几何特征可单独或联整合匹配。本文中除了以模拟资料验证RSTG匹配法之正确性外,并以实际资料成功展示将其应用于支援不同类型特征式点云套合作业之匹配功效。