三维点云配准方法研究进展

其中一项非常值得研究的工作，点云配准旨在将多个点云正确配准到同一个坐标系下，形成更完整的点云。点云配准要应对点云非结构化、不均匀、噪声等的干扰，要以更短的时间消耗达到更高的精度，但是时间消耗和精度往往是矛盾的，但在一定程度上优化是有可能的。点云配准广泛应用于三维重建、参数评估、定位和姿态估计等领域，在自动驾驶、机器人、增强现实等新兴应用上也有点云配准技术的参与。为此研究者开发了多样又巧妙的点云配准方法，本文梳理了一些比较有代表性的点云配准方法并进行分类总结，对比相关工作，尽量覆盖点云配准的各种形式，并对一些方法的细节加以分析介绍。将现有方法归纳为非学习方法和基于学习的方法进行分析。非学习方法分为经典方法和基于特征的方法，基于学习的方法分为结合了非学习方法的部分学习方法和直接的端到端学习方法这两类。分别介绍了各类方法的典型算法，对比总结算法特性，展望点云配准技术的未来研究方向。

http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?flag=2&file_no=202103290000004&journal_id=jig