综述 | 关于点云配准的全面综述（一）

原创 | 文 BFT机器人 

01

摘要

配准是两个点云之间的变换估计问题，在众多计算机视觉应用中具有独特且关键的作用。基于优化的方法和深度学习方法的发展提高了配准的鲁棒性和效率。最近，基于优化和深度学习方法的结合进一步提高了性能。然而，基于优化的方法和深度学习方法之间的联系仍不清楚。此外，随着3D传感器和3D重建技术的发展，跨源点云对齐出现了一个新的研究方向。本次综述进行了全面的调查，包括同源和跨源配准方法，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解决跨源挑战的最先进的配准算法。此外，本次调查总结了基准数据集并讨论了跨不同领域的点云配准应用。最后，本调查提出了这个快速发展领域的潜在研究方向。

02

本文作者的贡献

综述调查：我们提供同源点云配准最全面的概述，包括传统优化和现代深度学习方法（1992-2021）。我们总结了挑战，分析了每类注册方法的优点和局限性。此外，本文还总结了传统优化和现代深度学习方法之间的联系。

跨源配准调查：我们首次提供有关跨源点云配准的文献综述。这项调查为不同3D传感器（例