El emparejamiento de puntos en múltiples imágenes es un problema abierto en visión por computadora debido a las numerosas transformaciones geométricas y condiciones fotométricas que un píxel o punto puede presentar en el conjunto de imágenes. Durante las últimas dos décadas, se han propuesto diferentes técnicas para abordar este problema. Los más relevantes son aquellos que exploran el análisis de características invariantes. Sin embargo, su principal limitación es que el análisis invariante por sí solo no puede reducir las falsas alarmas. Este artículo introduce un método eficiente de emparejamiento de puntos para dos y tres vistas, basado en el uso combinado de dos técnicas: (1) el análisis de correspondencia extraído de la similitud de características invariantes y (2) la integración de múltiples soluciones parciales obtenidas a partir de la geometría 2D y 3D. La principal fortaleza y novedad de este método es la determinación de la correspondencia geométrica punto a punto a través de la intersección de múltiples hipótesis geométricas ponderadas por el algoritmo de consenso de muestra de estimación de máxima verosimilitud (MLESAC). La propuesta no solo extiende los métodos basados en descriptores invariantes, sino que también generaliza el problema de correspondencia a un modelo de proyección de perspectiva en múltiples vistas. El método desarrollado ha sido evaluado en tres tipos de secuencias de imágenes: al aire libre, en interiores e industriales. Nuestra estrategia desarrollada descarta la mayoría de los emparejamientos incorrectos y logra F-scores notables del 97%, 87% y 97% para las secuencias al aire libre, en interiores e industriales, respectivamente.