admin 管理员组

文章数量: 1184232

摘要：

进行了全面的调查，包括同源配准方法和跨源配准方法，并总结了基于优化的方法和深度学习方法之间的联系，以提供进一步的研究见解。这项调查还建立了一个新的基准来评估最先进的配准算法在解决跨源挑战方面。此外，本调查总结了基准数据集并讨论了跨域的点云配准应用。最后，本调查在这个快速发展的领域提出了潜在的研究方向。

主要内容：

优化方法：交替进行匹配搜索和姿态估计，实现几何投影误差最小化

深度学习方法：提取特征，进行匹配，再单独估计位姿

上述两个结合：达到好的结果，但是两者联系不清楚

总结1992-2021的点云配准：同源、多源、提出多源配准基线，未来研究方向

到2021年为止，跨源配准的方法研究较少

面临的问题挑战：

问题：

同源挑战：

•噪声和异常值。环境和传感器噪声在不同的采集时间是不同的，捕获的点云将包含同一3d位置周围的噪声和异常值。

•部分重叠。由于视点和采集时间不同，捕获的点云只有部分重叠。

不同源：

•噪声和异常值。因为采集环境、传感器噪声和传感器图像机制在不同的采集时间是不同的，捕获的点云将包含同一3d位置周围的噪声和异常值。

本文标签： Comprehensive 配准 Survey registration cloud

版权声明：本文标题：配准||-3-2021-综述A comprehensive survey on point cloud registration 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1766497429a3463959.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。