CVPRNov, 2018

FilterReg：使用高斯滤波和扭曲参数化的鲁棒高效概率点集配准

PDF
TL;DR本研究提出了一种新的概率点集配准方法，采用有效的概率公式解决了最大似然估计问题，通过 E-M 算法和高斯滤波方法实现更快的计算性能，适用于关节和可变形目标，优于其他竞争基线。
probabilistic point-set registrationiterative closest pointmaximum likelihood estimationem algorithmtwist parameterization
发现论文，激发创造
  • 密度自适应点集配准

    本研究利用基于期望最大化的框架最小化 KL 距离，构建点云场景的潜在概率分布模型，使其能够适应密度变化，并成功在多种真实世界的激光雷达数据集上超越现有的多视角概率方法，而无需重新采样。

    Apr, 2018

  • 带有期望条件最大化的刚性和关节点注册

    该论文通过概率点匹配处理刚性和关节形状匹配问题，引入了一种新型 EM-like 算法 ECMPR，使用混合模型来处理未知的对应关系，提出了一种鲁棒性强的点匹配方法，包括旋转和平移参数的估计以及异常值的检测和剔除。

    Dec, 2020

  • LSG-CPD：基于局部表面几何的相干点漂移点云配准

    本文提出了一种新的方法：基于局部表面几何结构的连贯点漂移（LSG-CPD），该方法通过自适应地根据本地表面的平整程度在点对点惩罚的基础上添加不同级别的点对平面惩罚，构建具有各向异性协方差的高斯混合模型，并以最大似然估计问题的形式予以解决。该方法在各种数据集上的精度和鲁棒性方面优于现有算法，并且比 CPD 的现代实现更快。

    Mar, 2021

  • 快速且强健的迭代最近点算法

    本文提出了一种快速并具有鲁棒性的 Iterative Closest Point 方法，通过将点对点 ICP 视为主性 - 最小化算法，并采用 Anderson 加速方法加速其收敛速度并引入基于 Welsch 函数的鲁棒误差度量。在具有噪声和部分重叠的数据集上，我们实现了与稀疏 ICP 相似或更好的准确性，而速度至少快一个数量级。最后，我们将鲁棒的形式扩展到了点对平面 ICP，并使用类似的 Anderson 加速 MM 策略解决了相应的问题。

    Jul, 2020

  • 鲁棒的点集配准和合并的自适应数据表示

    该论文提出了一个刚性点集配准和合并的框架，使用鲁棒的连续数据表示，其中点集表示是通过训练具有高斯径向基函数内核的单类支持向量机来构造的，并随后使用高斯混合模型逼近输出函数。它使用该表示的稀疏参数化和噪声、异常值和遮挡的鲁棒性进行有效的配准算法，最小化支持向量参数化的高斯混合模型之间的 L 2 距离。

    Nov, 2015

  • 基于启发式引导的参数搜索的高效强鲁棒点云配准

    通过启发式参数搜索策略，该论文提出了一种在点云配准中加速搜索而又保持高鲁棒性的方法，通过对可行域的三阶分解和一维区间刺探的利用，降低了搜索维度，并展示了与最先进方法相当的鲁棒性和显著的效率提升。

    Apr, 2024

  • 点集配准：连贯点漂移

    介绍了一种新的概率方法，称为相干点漂移算法（CPD），它适用于刚性和非刚性点集注册，解决了点集注册中的多个因素，包括未知的非刚性空间变换，点集的大维度，噪声和异常值。同时，测试结果表明，CPD 算法具有较高的精度，超过当前最先进的方法。

    May, 2009

  • TEASER：快速且可认证的点云配准

    提出了一个名为 TEASER 的算法，它使用 TLS 成本和图论框架来解决 3D 点集之间的快速且可靠的配准问题，能够在存在大量离群值的情况下有效地工作。该算法还提供了理论误差界限，并且在标准和 3DMatch 基准测试中都表现出跨越式的性能优势。

    Jan, 2020

  • 利用非凸性最大化点集配准的稳健性

    研究点集注册问题中的异常值如何影响两个点云之间的最优旋转问题，比较了基于非凸优化和凸松弛的方法，实验发现，特殊正交群上直接最小化最小不平方偏差能够更好地处理异常值和恢复旋转。

    Apr, 2020

  • 多视点集期待最大化配准

    本篇文章提出了基于最大期望算法的多视角点集注册方法，通过利用高斯混合模型描述点云数据分布并定义最大似然估计函数，实现了高精度、高鲁棒性、高效率的点云多视角重建。

    Feb, 2020