原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
随着3D激光雷达、深度相机等高精度传感器的快速发展和广泛应用，三维
点云出现在越来越多的领域，比如三维地图重建、自动驾驶、智能机器人等。然
而，三维扫描仪采集到的点云数据通常存在角度单一、不完整的问题，影响点云
配准的准确性。传统点云配准方法在精度和噪声鲁棒性上表现有待提高。在热门
的深度学习领域，点云配准方法对噪声和异常值具有较好的鲁棒性，且配准效率
更高。以经典的PCRNet（PointCloudRegistrationNetwork）为代表，该方法在特
文档评论（0）