本篇论文评估了几种广泛使用的 3D 数据对齐算法的效果，并在形状检索、三维对象识别和点云配准等场景中进行实验验证，总结了算法的优缺点。

Apr, 2018

本文提出了一种有效而健壮的方法，利用 Hough 投票在 6D 转换参数空间中实现三维扫描点云的成对配准，该方法通过提取几何特征从点云对中计算出假设的对应关系，并考虑空间中的变换参数来构建成对间的对应关系，从而最终获得了自适应的变换参数。

Sep, 2021

研究了基于局部形状特征的 3D 形状关联性及其在物体识别中的应用，提出了基于核密度估计的鲁棒姿态估计方法，并在含有噪声、杂波和遮挡情况下获得了更好的表现，为基于点云数据的 3D 物体识别设立了新的标杆。

Sep, 2017

本文提出了一种基于变分非局部网络的离群值识别框架，使用贝叶斯驱动的长程依赖关系来聚集区分几何背景信息进行内点 / 外点的区分，通过投票的方式搜索高质量内点集合进行变换估计，实验证明该框架在 3DMatch、3DLoMatch 和 KITTI 数据集上表现良好。

Apr, 2023

应用全局最优内点集基数最大化方法求解相机位姿和对应特征点，使用 SE (3) 几何学方法来限定内点上下界限，并利用分支定界算法在 6 维相机位姿空间进行搜索，实验结果表明该方法更加鲁棒可靠，并表现出比使用局部最优化方法更好的速度和精度。

Sep, 2017

本文提出了一种基于一种局部到全局一致性学习过程的 “修剪” 块来逐步修剪对应关系的算法，能在鲁棒直线拟合、相机位姿估计以及基于检索的图像定位基准测试中以显著的优势胜过现有算法，并展现出对不同数据集和检测器 / 描述符组合的良好泛化能力。

Jan, 2021

该研究使用多层感知器来优化广基准立体匹配的好匹配点，同时恢复相对位置关系，该网络基于像素坐标运算而非直接图像处理，提出了一种称为上下文规范化的新型正则化技术，使得可以单独处理每个数据点并赋予全局信息。在多个数据集的实验中，该方法使用少量训练数据就能显著提高现有技术的水平。

Nov, 2017

本论文提出了一种实用的建立图像间稠密一一对应的方法，利用像素的上下文信息估计本地尺度，并使用三种方法在整个图像中保持比例不变特征提取，有效地解决了局部尺度不同的问题，实现了不同图像之间的准确的稠密对应，且计算成本较小。

Jun, 2014

该论文提出了一种基于邻域一致性的可靠内点评估方法，以提高无监督点云配准的精度，并利用匹配映射细化模块和内点评估模块配合实现精确配准，最终使用加权 SVD 算法进行转换估计。

Feb, 2022

本文提出了一种基于图像的定位方法，使用本地特征和稀疏的三维模型进行全球规模的离线和在线实时客户端姿态融合，实现低延迟本地化查询，证明了该方法在大规模模型上的有效性。

Jun, 2019