[开源方案共享]快速鲁棒的C++点云配准库

本文提出了一种快速鲁棒的点云配准算法，对存在离群噪声点的点云数据具有较好的配准效果。首先使用了截断最小二乘（Truncated Least Squares TLS）代价函数重新构造配准问题 ，该代价是的估计点对时能够对大部分的不正确的对应点不加入计算，然后使用了一个通用的图论框架来分离尺度，旋转和平移，从而允许对这三个变换矩阵进行级联求解，尽管这三个矩阵在本质上仍然是非凸的组合函数，但是论文中：

（1）LTS尺度和平移估计可以通过自适应的投票方法求解多项式的解

（2）LTS旋转估计矩阵是被认为符合semidefinite program（SDP），即便在极端异常的数据中也是符合的。所以该 算法是被命令为TEASER（Truncated least squares Estimation And SEmidefinite Relaxation）

TeaseR++是一个用C++的快速、鲁棒的点云配准库，具有Python和Matlab接口。

github:https://github.com/MIT-SPARK/TEASER-plusplus

主要功能介绍

对于提出的两种算法，论文在一些开源的数据集，比如目标检测以及3Dmatch扫描的数据集测试了算法的性能，结果证明：

（1）这两种算法比较而言都是最先进的（比如e.g., RANSAC, branch-&-bound, heuristics），并且对有异常值的点云都很鲁棒。

（2）TEASER++可以在毫秒内运行，是目前最快的鲁棒的配准算法（有兴趣的可以验证一下）

（3）TEASER++ is so robust it can also solve problems without correspondences（没有对应关系也可以配准？）

论文图集

演示demo

配准实例

算法1伪代码

算法2伪代码

总结

TEASER++可以解决三维空间中两点云之间的刚体变换问题，即使输入对应点有大量的异常点，它也能很好地实现点云配准。

如果你对本文感兴趣，请点击“原文阅读”获取知识星球二维码，务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球，免费下载pdf文档，和更多热爱分享的小伙伴一起交流吧！

以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除