【综述】高精度点云配准

主要观点总结

本文是对点云配准方法与最优传输技术结合的探讨，涵盖了业界现状、最优传输简介、形变模型以及高精度点云配准等内容。

关键观点总结

关键观点1: 点云配准的现状和业界挑战

当前点云配准领域仍面临一些挑战，如在大规模、大形变、复杂结构等场景下的配准问题。业界现状中，传统方法如ICP和CPD等在小规模点云配准上表现较好，但在复杂场景下存在局限性。深度学习的方法在一些任务上展现出潜力，但仍面临数据规模、模型复杂度等挑战。

关键观点2: 最优传输简介

最优传输是一种全局匹配方法，通过计算源点集和目标点集之间的传输成本，寻找一个最优传输方案，将源点集的质量传输到目标点集。它在点云配准中能够高效地将源点集匹配到目标点集，但可能存在过拟合等问题。

关键观点3: 形变模型

形变模型在点云配准中起到重要作用，通过模拟点云的形变过程，对变换进行正则化。常见的形变模型包括位移模型、弹性模型和流体模型等。不同场景下需要选择适当的形变模型，以提高配准的精度和鲁棒性。

关键观点4: 高精度点云配准方法

本文提出了基于RobOT和deformation model的高精度点云配准方法。首先通过特征提取和RobOT匹配得到初步变换结果，然后利用deformation model进行平滑处理。此外，还介绍了端到端的深度学习方法进行点云配准，通过前置预处理、非参数模型和后置处理的三明治结构，实现高精度配准。

文章预览

来 源：知乎 —szy 地址： https://zhuanlan.zhihu.com/p/430016990、https://zhuanlan.zhihu.com/p/430614200 这篇文章主要是对点云配准方法谈下自己的认知，当然水平有限，欢迎指正。因为是简介所以涉及的数学不会很深，所以对于点云配准有兴趣的同学都欢迎阅读。 毕竟传统点云匹配的教程已经很齐全了（大家自行搜索啊！）， 这里我们换个角度，主要从最优传输（optimal transport) 的角度展开对各种点云配准任务的讨论， 如果是学术方向的小伙伴可以参考 这里 了解更多的细节，另外若是引用本文图片也请参照这个链接。 https://arxiv.org/pdf/2111.00648.pdf 至于为什么从最优传输（OT）相对复杂的角度入手呢， 从实战角度上来说， OT确实很强！非常强！能够高效（精度及速度）解决这个领域诸多已有的以及难以解决的问题。但很遗憾可能是OT本身比较理论，并没有被很广 ………………………………