La coincidencia precisa de los escaneos LIDAR es un paso crítico para un Vehículo Terrestre Autónomo (ALV). Mientras que la mayoría de los trabajos anteriores se han centrado en el entorno urbano, este artículo se enfoca en el entorno fuera de carretera. Debido a la falta de un conjunto de datos disponible públicamente para la comparación de algoritmos, se construye primero un conjunto de datos que contiene pares de LIDAR con diferentes cantidades de desplazamientos en entornos fuera de carretera. Luego, se evalúan varios enfoques populares de coincidencia de escaneos utilizando este conjunto de datos. Los resultados indican que los enfoques globales, como la Coincidencia de Escaneos Correlativos (CSM), funcionan mejor en conjuntos de datos con grandes desplazamientos, mientras que los enfoques de coincidencia de escaneos locales funcionan mejor en conjuntos de datos con pequeños desplazamientos. Para combinar las ventajas de ambos enfoques, se diseña un algoritmo de fusión en dos etapas. En la primera etapa, se muestrean varios candidatos de transformación del mapa de puntuación del algoritmo CSM. Luego, los enfoques de coincidencia de escaneos locales comienzan a partir de estos candidatos de transformación para obtener los resultados finales. También se diseñan cuatro indicadores de rendimiento para seleccionar la mejor transformación. Los experimentos en un conjunto de datos del mundo real demuestran la efectividad del enfoque propuesto.