本文介绍了一种新颖的端到端可学习的多视角三维点云拼接算法，该算法集成了两阶段流程（成对对准和全局优化），并且是当前领先技术的改进。
Jan, 2020
提出了MultiBodySync，一个新颖的、端到端可训练的多体运动分割和刚体配准框架，利用光谱同步和迭代深度声明网络解决多扫描多体情形下的运动分割和匹配问题，实现了在不同对象类别上的强泛化能力。
Jan, 2021
本篇综述介绍了同源和异源点云配准的优化和深度学习方法，并总结了二者之间的关系。同时，本文还创建了一套新的评估基准来解决异源挑战，并讨论了不同领域中的点云配准应用。最后，本文提出了这个快速发展领域的潜在研究方向。
Mar, 2021
利用 SyNoRiM，我们提供一种新的方法，通过同步点云上定义的学习功能的映射以联合注册多个非刚性形状，以既处理非刚性形状，又处理多体情况为特点，避免了点对点排列的昂贵优化。
Nov, 2021
本文提出一种名为神经变形金字塔（NDP）的方法，通过分层的运动分解将非刚性运动表示为金字塔结构，具有多级非刚性运动分解以及50倍的速度提升，并在4DMatch/4DLoMatch基准测试中获得了先进的非刚性点云配准结果。
May, 2022
该研究提出了一种基于图形结构和局部空间一致性的筛选异常对应关系的方法，该方法适用于非刚性点云配准。
Mar, 2023
利用RGB图像和深度图像生成的点云之间的多尺度双向融合实现了更准确的对应估计，从而使得我们的点云配准方法在ScanNet和3DMatch数据集上达到了最新的性能水平。
Aug, 2023
通过最优传输理论，我们提出了一种基于最优部分传输问题的完整的非刚性注册方法集，并通过分层切片的方式扩展了算法以获得显著的计算效率，从而实现了快速且稳健的非刚性注册算法。
Sep, 2023
通过利用丰富的几何信息，我们提出了一种新的解决方案Q-REG，用于从单个对应关系估计刚性姿态，并在3DMatch、KITTI和ModelNet基准测试中取得了最新的最佳成果。
我们提出了一种新的基准测试（Nothing Stands Still），该基准测试旨在评估能够处理大规模空间和时间变化的3D场景的点云注册方法。
Nov, 2023