Jul, 2020

快速且强健的迭代最近点算法

PDF
TL;DR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。
iterative closest pointregistrationanderson accelerationwelsch's functionpoint-to-point icp
发现论文，激发创造
  • AA-ICP: Anderson 加速的迭代最近点算法

    本文提出了一种利用 Anderson 加速方法加速 Iterative Closest Point 算法的新方法，无需对现有代码进行实质性改动，使其更具实时性。利用 Point Cloud Library 实现本方法，并全面支持在真实数据上 achieved 相较于现有方法更好的加速效果。

    Sep, 2017

  • Go-ICP: 三维点云配准的全局最优解

    本文提出了一种被称为 Go-ICP 的全局最优算法，它基于分支定界结构搜索整个 3D 运动空间 SE (3)，并且集成了局部 ICP 以提高速度，保证全局最优性，可以用于解决初始位置不佳及需要最优解决的场景。

    May, 2016

  • RPM-Net: 使用学习特征的鲁棒点匹配

    本研究提出了一种基于深度学习的方法 ——RPM-Net，该方法相较于现有的非深度学习及近期的深度学习方法，在点云刚体配准领域取得了最先进的性能表现。

    Mar, 2020

  • 深度最近点：学习点云配准的表示

    本文提出了一种基于学习的方法 Deep Closest Point，用于点云配准问题，通过点云嵌入网络、基于注意力机制的组合匹配模块和可微分的奇异值分解层，实现最终的刚性变换。实验证明该方法优于传统算法 Iterative Closest Point 及其变种，以及最近提出的基于学习的方法 PointNetLK，同时能有效迁移学到的特征。

    May, 2019

  • 基于贝叶斯优化的迭代最近点初始化（BO-ICP）

    本文提出了一种基于贝叶斯优化的新方法，以查找关键的初始 ICP 变换，主要关注于初始转换的选择，是所有基于 ICP 的方法的起点。通过在流行数据集上运行实验，我们展示了这种方法在给定相似计算时间时优于最先进的方法，并且与 ICP 的其他改进兼容。

    Apr, 2023

  • KISS-ICP：支持点对点 ICP 的辩护 —— 如果正确实现，则简单、准确且健壮

    研究通过精简核心元素实现了一个在各种环境条件下可操作的简单有效的传感器里程计估计系统，该系统在使用不同类型的 LiDAR 传感器时，仅具有少数参数并且不需要计算 IMU 信息，能够广泛应用于不同的应用场景。

    Sep, 2022

  • 最小化分数均方根误差的异常鲁棒 ICP

    我们提出了一种迭代最近点（ICP）算法的变形，在一组变换下对两个点集进行对准。我们的算法优于以前的算法，因为它以统计鲁棒的方式确定最佳对准，并且保证会收敛到局部最优解。我们形式化了一种新的距离测量方法，称为分数均方根距离（frmsd），它将离群点的比例纳入距离函数。我们验证了算法在受到各种离群点类型的 2 和 3 维数据上的性能。

    Jun, 2006

  • 陆地激光扫描对的实用最佳注册

    本研究针对地面激光雷达扫描的点云数据注册问题，提出了一种基于优化算法的新方法，通过提出的确定性选择方案和快速的分支定界算法，可以有效、准确地实现点云的最优对齐。

    Nov, 2018

  • 迭代全局相似点：针对成对三维点云配准的健壮粗 - 精匹配方案

    该研究提出了一种新的方法，使用混合度量空间（例如 BSC 特征和欧几里德几何空间）和全局最优对应匹配，通过粗到细的迭代优化对点云进行配准，并在多个测试数据集上取得了好的性能表现。

    Aug, 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

    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。

    Nov, 2018