Los métodos existentes para la descripción de características locales en 3D a menudo luchan por lograr un buen equilibrio entre la distintividad, la robustez y la eficiencia computacional. Para abordar este desafío, se propone un nuevo descriptor de características locales en 3D llamado Histogramas de Distribución de Vectores Normales Proyectados (HPNVD). El descriptor HPNVD consta de dos componentes principales. En primer lugar, se construye un marco de referencia local (LRF) basado en la matriz de covarianza y la proyección del vecindario para lograr invarianza a transformaciones rígidas. Luego, las normales de superficie locales se proyectan en tres planos de coordenadas dentro del LRF, lo que permite una codificación efectiva de la información de forma local. Los planos de proyección se dividen en múltiples regiones, y se calcula un histograma para cada plano para generar el descriptor HPNVD final. Los resultados experimentales demuestran que el descriptor HPNVD propuesto supera a los métodos de vanguardia en términos de descriptividad y robustez, manteniendo un almacenamiento compacto y eficiencia computacional. Además, el algoritmo de registro de nube de puntos basado en HPNVD muestra un excelente rendimiento, validando aún más la efectividad del descriptor.