《国内外关于三维点云配准算法研究的国内外文献综述》1100字.docxVIP

PAGE

PAGE39

国内外关于三维点云配准算法研究的国内外文献综述

目前，国内外关于三维点云配准算法的研究方向可大致分为两个方向：传统的基于优化的配准方法和基于深度学习的配准方法。

传统的优化方法基本思想是给定两个点云，通过迭代“对应搜索”和“变换估计”两个过程不断缩小误差，将最优变换输出为最终变换矩阵。如图1-1所示，现有的传统优化方法的大致可以分为四类：基于ICP改进的配准方法、基于GMM的配准方法、基于图优化的配准方法和半定的配准方法。

图1-1基于优化的配准方法

虽然自1992年Besl和McKay提出经典的迭代最近点ICP(IterativeClosestPoint)算法[[]Besl,P.J.andMcKay,N.D.(1992)AMethodforRegistrationof3-DShapes.IEEETransactionsonPatternAnalysisandMachineIntelligence,14,239-256.]至今已有近30年，但基于ICP改进的变种算法仍是科研学者持续研究的热点，例如Rusinkiewicz等人在2001年提出的EfficientVarICP[[]SzymonRusinkiewiczandMarcLevoy.Efficientvariants