| 三维点云配准方法研究进展 |
| |
| 引用本文： | 李建微,占家旺.三维点云配准方法研究进展[J].中国图象图形学报,2022,27(2):349-367. |
| |
| 作者姓名： | 李建微 占家旺 |
| |
| 作者单位： | 福州大学物理与信息工程学院, 福州 350116 |
| |
| 基金项目： | 国家自然科学基金项目（32071776，41571490）；福建省自然科学基金项目（2020J01465）；中国博士后基金项目（2018M640597） |
| |
| 摘 要： | 点云是一种3维表示方式，在广泛应用的同时产生了对点云处理的诸多挑战。其中，点云配准是一项非常值得研究的工作。点云配准旨在将多个点云正确配准到同一个坐标系下，形成更完整的点云。点云配准要应对点云非结构化、不均匀和噪声等干扰，要以更短的时间消耗达到更高的精度，时间消耗和精度往往是矛盾的，但在一定程度上优化是有可能的。点云配准广泛应用于3维重建、参数评估、定位和姿态估计等领域，在自动驾驶、机器人和增强现实等新兴应用上也有点云配准技术的参与。为此，研究者开发了多样巧妙的点云配准方法。本文梳理了一些比较有代表性的点云配准方法并进行分类总结，对比相关工作，尽量覆盖点云配准的各种形式，并对一些方法的细节加以分析介绍。将现有方法归纳为非学习方法和基于学习的方法进行分析。非学习方法分为经典方法和基于特征的方法；基于学习的方法分为结合了非学习方法的部分学习方法和直接的端到端学习方法。本文分别介绍了各类方法的典型算法，并对比总结算法特性，展望了点云配准技术的未来研究方向。
|
| 关 键 词： | 点云 配准 特征 深度学习 综述 |
| 收稿时间： | 2021/4/16 0:00:00 |
| 修稿时间： | 2021/6/29 0:00:00 |
Review on 3D point cloud registration method |
| |
| Li Jianwei,Zhan Jiawang.Review on 3D point cloud registration method[J].Journal of Image and Graphics,2022,27(2):349-367. |
| |
| Authors: | Li Jianwei Zhan Jiawang |
| |
| Affiliation: | College of Physics and Information Engineering, Fuzhou University, Fuzhou 350116, China |
| |
| Abstract: | |
| |
| Keywords: | point cloud registration feature deep learning review |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
