Die Registrierung von räumlichen 3D‐Daten und ‐Modellen ist eine grundlegende Aufgabe in Anwendungen wie Kartierung, Positionierung und virtuelle/erweiterte Realität. Die meisten der bestehenden 3D‐Registrierungsmethoden wie Iterative Closest Point (ICP) und neuere lernbasierte Methoden sind der Punktwolkenregistrierung gewidmet und beruhen stark auf punktweisen Korrespondenzen, was ihre Fähigkeit einschränkt, Registrierungsprobleme über verschiedene Datentypen hinweg anzugehen. Da von Menschenhand geschaffene Objekte und Gebäude normalerweise viele planare Oberflächen enthalten, ist es möglich, die Ebenen für eine genaue Registrierung verschiedener Daten und Modelle zu verwenden. In diesem Artikel wird ein vereinheitlichtes Registrierungs‐Framework vorgeschlagen, das aus einem Ebenenextraktionsmodul besteht, das Ebenen aus verschiedenen Formen von räumlichen Daten wie Punktwolken oder oberflächenbasierten 3D‐Modellen extrahieren kann, und einem Registrierungsmodul, das eine automatische Registrierung auf der Grundlage der extrahierte Flugzeuge. Tests zeigen, dass das vorgeschlagene Verfahren eine Registrierung mit geringer Überlappung über alle diese Datentypen hinweg mit hohen Erfolgsraten handhaben kann. Das Ergebnis der Punktwolkenregistrierung zeigt auch, dass das Verfahren im Vergleich zu ICP eine bessere Genauigkeit erreicht.