El registro de nubes de puntos en entornos urbanos enfrenta problemas como vehículos y peatones dinámicos, entornos viales cambiantes e inexactitudes en el GPS. Los métodos de vanguardia suelen combinar el seguimiento de objetos dinámicos y/o la extracción de características estáticas en una nube de puntos hacia la solución de estos problemas. Sin embargo, se produce la ocurrencia de errores menores en la posición inicial debido a estos métodos. En este documento, los autores proponen un método de registro rápido y robusto que no requiere la detección de objetos dinámicos y/o estáticos. Esta metodología propuesta puede adaptarse a errores iniciales más altos. Los pasos iniciales de esta metodología implicaron la optimización de la segmentación de objetos bajo la aplicación de una serie de restricciones. Basándose en este algoritmo, se propone un nuevo marco algorítmico de RANSAC anidado de múltiples capas para actualizar de forma iterativa los resultados del registro. La robustez y eficiencia de este algoritmo se demuestra en varias escenas altamente dinámicas de intervalos de tiempo cortos y largos con diferentes desplazamientos iniciales. Se realizó un experimento de odometría LiDAR en el conjunto de datos KITTI y en nuestro conjunto de datos urbano extraído con una carretera urbana altamente dinámica, y el promedio de los errores de posición horizontal se comparó con la distancia recorrida que resultó en 0.45% y 0.55% respectivamente.