点云配准技术及其应用领域：从基础到深度学习探索.pptx

配准应用领域：可以当做一个基础技术，下游任务很多点云配准

要做一件什么事：计算得到各个点的对应相当于求一个变换矩阵，使得结果重合算法挺多的，今天唠一个结合深度学习的点云配准很少单独使用，都是当做基础技术为下游服务

刚性与非刚性：刚性配准：旋转和平移操作（通常不改变大小）非刚性配准：还包括了缩放和裁剪等操作（难度更大了）传统算法代表：ICP，RPM等，涉及很多经验参数选择点云配准选材：RPM-Net:RobustPointMatchingusingLearnedFeatures（相当于用深度学习一条龙服务得到变换矩阵）

效果对比：概述：需要手工涉及的参数和迭代现在全部交给神经网络去做点云配准

训练数据：选自ModelNet（其他的也可以），有一份点云数据就可以对数据进行变换分别得到X和Y（X就是原始数据，Y是经过随机变换后的）随机构建一个变换矩阵（角度，位置等），可以适当增加游戏难度点云配准最终需要通过模型预测出来这个变换时什么

基本流程：经过PointNet++提取输入的特征（X和Y分别进行特征提取）使用得到的特征去预测传统算法（RPM）所需参数并求变换矩阵点云配准